基于神经网络算法和随机森林模型的烧结矿质量预测

作     者：陈小艳 刘畅 于凤 张建良 刘征建 王耀祖 孙庆科 CHEN Xiaoyan;LIU Chang;YU Feng;ZHANG Jianliang;LIU Zhengjian;WANG Yaozu;SUN Qingke

作者机构：鞍山钢铁集团有限公司大孤山球团厂辽宁鞍山114046 北京科技大学冶金与生态工程学院北京100083 北京科技大学人工智能研究院北京100083 北京科技大学自动化学院北京100083 昆士兰大学化学工程学院澳大利亚圣卢西亚4072 

出 版 物：《工业技术创新》 (Industrial Technology Innovation)

年 卷 期：2023年第10卷第1期

页      面：24-30页

学科分类：080602[工学-钢铁冶金] 08[工学] 0806[工学-冶金工程] 

主　　题：烧结矿 质量预测 随机森林模型 神经网络算法 平均绝对误差(MAE) 

摘      要：为对成品烧结矿质量进行实时、准确的预测,构建基于神经网络算法和随机森林模型的成品烧结矿质量预测体系。以TFe、CaO、SiO_(2)、R_(2)、MgO、Al_(2)O_(3)、P、固定碳共8个参数作为输入,以转鼓强度、筛分指数作为输出,采用限幅滤波进行数据处理,形成测试集;用测试集进行训练,以平均绝对误差(MAE)、命中率为评价指标,对比两种方法对烧结矿质量预测的精度优劣。结果表明,随机森林模型对转鼓强度预测效果更好,神经网络算法对筛分指数预测效果更好,二者相得益彰,可达到90%以上的命中率,可以实现对烧结矿质量的快速、准确预测。