钢铁研究学报

作者：易成新，李维刚，吕立华，赵云涛

单位：1.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，湖北武汉430081;2.武汉科技大学信息科学与工程学院，湖北武汉430081;3.宝山钢铁股份有限公司中央研究院，上海201999

关键词：关键词：特征选择,LSTM,随机森林,热轧温度预测

摘要： 热连轧板坯温度的连续、实时预报是提高带钢产品性能的关键，针对热连轧过程数据维度过高不利于快速、准确预测板坯温度的问题，提出一种基于随机森林?长短期记忆神经网络（RF?LSTM）的板坯粗轧出口温度预测模型。首先，采用改进随机森林算法对特征变量进行选择，通过分析板坯粗轧出口温度的预测结果变化衡量特征的贡献度，进而构造反映过程数据特征与板坯温度的特征选择评价函数；其次，针对热连轧过程数据具有时间序列特性的特点，采用LSTM预测板坯粗轧出口温度；通过钢厂实际的热连轧过程数据特征选择实验验证和对比分析，结果表明：特征选择前后钢坯的温度预测平均绝对误差、均方根误差分别下降了0.21、0.25℃，预测相对误差在±3?0%以内的精度达到了99.07%。

来源：2021年第9期

《钢铁研究学报》期刊编辑部

查看钢铁研究学报杂志2021年第9期