基于主成分分析协同随机森林算法的热连轧带钢宽度预测

作     者：丁敬国 郭锦华 DING Jing-guo;GUO Jin-hua

作者机构：东北大学轧制技术及连轧自动化国家重点实验室辽宁沈阳110819 

出 版 物：《东北大学学报（自然科学版）》 (Journal of Northeastern University(Natural Science))

年 卷 期：2021年第42卷第9期

页      面：1268-1274,1289页

核心收录：

学科分类：080503[工学-材料加工工程] 08[工学] 0805[工学-材料科学与工程（可授工学、理学学位）] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：国家重点研发计划项目(2018YFB1308705 2017YFB0304100) 

主　　题：热连轧粗轧 主成分分析 特征选择 宽度预测 随机森林算法 

摘      要：为提高热连轧粗轧带钢生产过程中换钢种、换规格及换辊后的首块带钢宽度设定模型精度,本文提出一种基于主成分分析协同随机森林(PCA-RF)算法的宽度预测模型.采用主成分分析法对数据样本合理分析,通过计算特征值、主成分贡献度及累计贡献度进行特征选择.在PCA筛选的变量数据集上训练最佳随机森林宽度预测模型.同时,使用支持向量机回归(SVR)、K-最近邻(KNN)模型进行对比验证.通过实际应用表明,PCA-RF各道次宽度模型R-squared值控制在99.9%~1,且96%以上样本点预测误差在-5~5 mm,从而证明该模型实现了换钢种、换规格及换辊后的首块钢宽度的高精度预测.