基于随机森林算法的高炉铁水硅质量分数预测模型  

Prediction model of silicon content in blast furnace hot metal based on random forests algorithm

作　　者：王文慧[1] 刘祥官[2] 刘学艺[3] 

机构地区：[1]浙江水利水电学院基础社科部,浙江杭州310018 [2]浙江大学 [3]中国计量学院

出　　处：《冶金自动化》2014年第5期33-38,共6页Metallurgical Industry Automation

基　　金：浙江省教育厅科研项目(Y201329298)

摘　　要：为了研究高炉冶炼过程中铁水硅质量分数的预测问题,我们基于随机森林算法建立了高炉铁水硅质量分数预测模型。针对具有不同统计特征的2组高炉生产数据,分别建立了随机森林预测模型和支持向量机预测模型,并从预测命中率、相关系数、均方根误差以及绝对误差等4个方面对模型性能进行了综合的比较分析。结果表明:在炉况平稳或存在较大波动的情形下,随机森林预测模型都能获得显著优于支持向量机预测模型的预测精度。研究结果为探索高炉冶炼过程炉温的预测控制提供了新的建模思路。In this paper,the prediction model of silicon content in blast furnace （ BF） hot metal is built based on the random forests （ RF） algorithm to research the prediction problem of silicon con-tent. Based on two groups of training data sets with different statistical features,the performance of the RF prediction model is compared with that of the support vector machine （ SVM ） prediction model under four different criteria---the hit rate of prediction, the correlation coefficient, the root-mean-square error and the absolute error. Simulation results show that the RF prediction model can achieve better prediction performance than SVM prediction model no matter the BF conditions are stable or not. The research results provide new modeling ideas for exploring temperature prediction control in BF smelting process.

关 键 词：高炉炼铁 铁水硅质量分数 数据驱动建模 随机森林 决策树 支持向量机 

分 类 号：TF53[冶金工程—钢铁冶金]