钢铁研究学报

作者：许戈钦¹, 黄晓贤¹, 范晓慧¹, 向家发^1,2, 周茂军², 陈许玲¹

单位：1.中南大学资源加工与生物工程学院,湖南长沙410083;；2.宝山钢铁股份有限公司炼铁厂,上海200941

关键词：烧结工序,固体燃耗,集成学习,混合核函数,支持向量回归

基金：国家自然科学基金资助项目(52274344)

烧结是钢铁生产中能耗第二高的工序,其中固体燃耗占烧结工序能耗70%以上,对固体燃耗进行提前预测可以为现场操作人员提供生产参数调控依据,对烧结工序的节能减排具有重要意义。针对目前固体燃耗预测模型泛化能力不佳、预测精度受限的问题,提出了一种基于混合核支持向量机(HKSVR)与AdaBoost集成学习算法的烧结固体燃耗预测模型,并采用贝叶斯算法优化模型参数。使用现场生产数据对模型进行训练和测试,结果表明基于多项式核函数与拉普拉斯核函数构建的AdaBoost-HKSVR模型具有较好的预测性能,预测结果的MAE、RMSE、决定系数<i>R</i>²为0.14、0.19、0.99,可为烧结工序智能控制与工艺参数优化调控提供有力支持。

来源：2025年第1期

《钢铁研究学报》期刊编辑部

查看钢铁研究学报杂志2025年第1期