期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于集成学习的脱硫剂加入量预测方法
被引量：
2
1
作者
方一飞
但斌斌
+3 位作者
吴经纬
容芷君
都李平
罗钟邱
《武汉科技大学学报》
CAS
北大核心
2024年第5期361-367,共7页
为解决铁水预脱硫过程中脱硫剂加入量控制问题,提出一种基于集成学习的脱硫剂加入量预测方法。首先,对原始数据进行预处理,将空值、重复值、0值以及不符合工艺规范的数据行删除,并使用LOF算法结合专家经验剔除异常值;其次,基于GBDT算法...
为解决铁水预脱硫过程中脱硫剂加入量控制问题,提出一种基于集成学习的脱硫剂加入量预测方法。首先,对原始数据进行预处理,将空值、重复值、0值以及不符合工艺规范的数据行删除,并使用LOF算法结合专家经验剔除异常值;其次,基于GBDT算法计算每个输入特征的重要性占比,进行特征筛选;最后,采用Optuna超参数自动寻优框架对预测模型调优,寻找最佳超参数组合,预测脱硫剂加入量。利用某钢厂铁水预处理过程中的实际生产数据,分别采用XGBoost、RF、GBDT以及LightGBM等方法构建预测模型并进行对比试验。其中XGBoost模型的拟合精度(R^(2))、均方根误差(RMSE)、平均绝对误差(MAE)以及平均绝对百分比误差(MAPE)分别为0.8962、198.245、119.726以及7.897%,相较于其它模型均是最优。
展开更多
关键词
脱硫剂加入量
铁水预脱硫
局部异常因子
Optuna算法
极限梯度提升树
在线阅读
下载PDF
职称材料
基于改进CNN-LSTM和RF的铁水KR脱硫预测模型
被引量：
2
2
作者
胡佳辉
熊凌
+1 位作者
但斌斌
吴经纬
《武汉科技大学学报》
CAS
北大核心
2024年第4期254-263,共10页
为实现较高精度的脱硫剂加入量预测,有效提高生产效益,本文提出一种基于改进卷积神经网络(CNN)-长短期记忆(LSTM)网络和随机森林(RF)结合的铁水脱硫两步预测模型。考虑到模型输入数据的相关性,利用皮尔逊相关系数确定各输入参数的相关...
为实现较高精度的脱硫剂加入量预测,有效提高生产效益,本文提出一种基于改进卷积神经网络(CNN)-长短期记忆(LSTM)网络和随机森林(RF)结合的铁水脱硫两步预测模型。考虑到模型输入数据的相关性,利用皮尔逊相关系数确定各输入参数的相关性并筛选特征。模型以CNN-LSTM为基础,增加卷积层和残差连接,在提高挖掘数据的高维特征信息的同时避免网络退化。为增加网络对特征的区分和关注能力,引入多头注意力机制,让网络更加关注特征中的重要信息。使用贝叶斯优化RF超参数构建误差预测模型从而实现残差推理,对改进的CNN-LSTM模型预测结果进行修正。以现场采集的数据进行实验,结果表明,与CNN-LSTM模型相比,本文模型的拟合精度R2提升了17.11%,平均绝对值误差MAE降低了24.85%,均方根误差RMSE降低了30.18%,平均绝对百分比误差MAPE降低了28.33%。
展开更多
关键词
KR脱硫模型
卷积神经网络
长短期记忆网络
注意力机制
随机森林
在线阅读
下载PDF
职称材料
题名
基于集成学习的脱硫剂加入量预测方法
被引量：
2
1
作者
方一飞
但斌斌
吴经纬
容芷君
都李平
罗钟邱
机构
武汉科技大学冶金装备及其控制教育
部
重点实验室
中冶南方工程技术有限公司智能制造事业部
宝信软件(武汉)
有限公司
出处
《武汉科技大学学报》
CAS
北大核心
2024年第5期361-367,共7页
基金
国家自然科学基金项目(51475340)
湖北省重点研发计划项目(YFXM2022000556).
文摘
为解决铁水预脱硫过程中脱硫剂加入量控制问题,提出一种基于集成学习的脱硫剂加入量预测方法。首先,对原始数据进行预处理,将空值、重复值、0值以及不符合工艺规范的数据行删除,并使用LOF算法结合专家经验剔除异常值;其次,基于GBDT算法计算每个输入特征的重要性占比,进行特征筛选;最后,采用Optuna超参数自动寻优框架对预测模型调优,寻找最佳超参数组合,预测脱硫剂加入量。利用某钢厂铁水预处理过程中的实际生产数据,分别采用XGBoost、RF、GBDT以及LightGBM等方法构建预测模型并进行对比试验。其中XGBoost模型的拟合精度(R^(2))、均方根误差(RMSE)、平均绝对误差(MAE)以及平均绝对百分比误差(MAPE)分别为0.8962、198.245、119.726以及7.897%,相较于其它模型均是最优。
关键词
脱硫剂加入量
铁水预脱硫
局部异常因子
Optuna算法
极限梯度提升树
Keywords
desulfurizer dosage
hot metal pre-desulfurization
local outliers factor
Optuna algorithm
XGBoos
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于改进CNN-LSTM和RF的铁水KR脱硫预测模型
被引量：
2
2
作者
胡佳辉
熊凌
但斌斌
吴经纬
机构
武汉科技大学信息科学与
工程
学院
武汉科技大学冶金自动化与检测
技术
教育
部
工程
研究中心
中冶南方工程技术有限公司智能制造事业部
出处
《武汉科技大学学报》
CAS
北大核心
2024年第4期254-263,共10页
基金
国家自然科学基金项目(62173261)
湖北省重点研发计划项目(2020BAB021).
文摘
为实现较高精度的脱硫剂加入量预测,有效提高生产效益,本文提出一种基于改进卷积神经网络(CNN)-长短期记忆(LSTM)网络和随机森林(RF)结合的铁水脱硫两步预测模型。考虑到模型输入数据的相关性,利用皮尔逊相关系数确定各输入参数的相关性并筛选特征。模型以CNN-LSTM为基础,增加卷积层和残差连接,在提高挖掘数据的高维特征信息的同时避免网络退化。为增加网络对特征的区分和关注能力,引入多头注意力机制,让网络更加关注特征中的重要信息。使用贝叶斯优化RF超参数构建误差预测模型从而实现残差推理,对改进的CNN-LSTM模型预测结果进行修正。以现场采集的数据进行实验,结果表明,与CNN-LSTM模型相比,本文模型的拟合精度R2提升了17.11%,平均绝对值误差MAE降低了24.85%,均方根误差RMSE降低了30.18%,平均绝对百分比误差MAPE降低了28.33%。
关键词
KR脱硫模型
卷积神经网络
长短期记忆网络
注意力机制
随机森林
Keywords
KR desulfurization model
convolutional neural network
long-and short-term memory network
attention mechanism
random forest
分类号
TF704.3 [冶金工程—钢铁冶金]
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于集成学习的脱硫剂加入量预测方法
方一飞
但斌斌
吴经纬
容芷君
都李平
罗钟邱
《武汉科技大学学报》
CAS
北大核心
2024
2
在线阅读
下载PDF
职称材料
2
基于改进CNN-LSTM和RF的铁水KR脱硫预测模型
胡佳辉
熊凌
但斌斌
吴经纬
《武汉科技大学学报》
CAS
北大核心
2024
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
