文献类型：期刊文章

作　　者：杨荣称[1] 李爱莲[1] 崔桂梅[1] 解韶峰[2]

YANG Rongchen;LI Ailian;CUI Guimei;XIE Shaofeng(School of Information Engineering,Inner Mongolia University of Science and Technology,Baotou 014010,Nei Mongol,China;Department of Infrastructure,Inner Mongolia University of Science and Technology,Baotou 014010,Nei Mongol,China)

机构地区：[1]内蒙古科技大学信息工程学院,内蒙古包头014010 [2]内蒙古科技大学基建处,内蒙古包头014010

出　　处：《钢铁研究学报》

基　　金：国家自然科学基金资助项目(61763039);内蒙古自治区自然科学基金资助项目(2022MS06003)。

年　　份：2024

卷　　号：36

期　　号：4

起止页码：456-468

语　　种：中文

收录情况：BDHX、BDHX2023、CAS、CSCD、CSCD2023_2024、JST、RCCSE、ZGKJHX、核心刊

摘　　要：转炉终点钢水磷含量的预测对控制钢材质量和降低生产成本具有重要意义。为提高转炉终点磷含量的控制精准度和减少原料消耗,提出一种在Stacking集成学习框架下融合多个改进型极限学习机(Improved Extreme Learning Machine,IELM)的转炉终点磷含量预测模型。首先,根据理论基础和相关性分析确定模型的输入特征;其次,针对ELM(Extreme Learning Machine,ELM)的参数选取问题,提出一种改进的猎人-猎物优化(Improved Hunter-Prey Optimization,IHPO)算法对其进行参数寻优得到IELM;最后,在Stacking集成算法框架下,融合多个IELM初级学习器,以高斯过程回归(Gaussian Process Regression,GPR)作为次级学习器,建立Stacking-IELM-GPR集成学习模型。与7种单一模型和2种Bagging同质集成算法进行对比,结果表明,所提出模型在预测精度和误差性能指标方面表现最优,且预测误差在±0.003%间的命中率为92.86%。

关 键 词：转炉炼钢 猎人-猎物优化算法  集成学习  磷含量预测  

分 类 号：TF713]