摘要
针对高炉铁水硅含量的预测问题,作者探索出基于分类回归树算法的建模策略,为高炉炉温控制提供了新的可选思路.针对某高炉的在线生产数据,分别建立了分类回归树预测模型和支持向量机预测模型,并从命中率、均方根误差对模型的性能进行了分析.结果表明:分类回归树模型的预测精度整体优于支持向量机模型,尤其在炉况波动较大时预测效果较好.
A prediction model of hot metal silicon content is established by classification and regression Tree (CART) algorithm. Using the online production data of a blast furnace(BF), the performance of CART model is compared with the support vector machine(SVM) model, from the hit rate of prediction and the root mean square error. The results show that the CART model can achieve better prediction performance. The research provides a new modeling framework for exploring temperature control in BF.
出处
《内蒙古大学学报(自然科学版)》
CAS
北大核心
2015年第5期548-552,共5页
Journal of Inner Mongolia University:Natural Science Edition
基金
国家自然科学基金资助项目(61263015)
内蒙古科技大学创新基金项目(2012NCL019)
关键词
铁水硅含量
分类回归树
支持向量机
hot metal silicon content
classification and regression tree(CART)
support vector machine(SVM)