基于Stacking集成学习的无缝钢管连轧电耗预测

来源：电子测量技术杂志2024年第8期北京时间：

作者：李一恒，孙抗，赵来军

单位：河南理工大学电气工程与自动化学院 焦作 454000

摘要：无缝钢管生产作为高能耗行业的典型代表，其节能降耗一直都备受关注。通过预测电耗，企业可以找到节能降耗的有效途径，从而减少生产过程中的电能消耗，提升生产效率。为提高无缝钢管连轧电耗预测精度，采用一种改进的Stacking集成学习模型对电耗进行预测。首先，对采集到的电耗数据进行预处理，并基于嵌入法采用XGBoost和LightGBM进行特征选择；然后，采用随机搜索和贝叶斯优化结合的方法对基学习器开展超参数优化，在Stacking集成模型的首层中，选择LightGBM、ET和MLP作为基学习器；最后，根据基学习器在数据上的预测表现来赋予它们相应的权重，同时将原数据集也加入元学习器训练。结果表明：改进的Stacking集成学习模型具有最好的预测效果,其R2为0.975 7，预测精度比单一基学习器和传统的Stacking集成学习模型都要高，证明了所提方法的有效性。

关键词：无缝钢管;Stacking集成学习;电耗预测

基金资助：河南省科技攻关计划项目（202102210092）资助