基于AdaBoost.RS算法的LF炉钢水温度预报分析

来源：钢铁研究学报杂志2017年第2期北京时间：

作者：田慧欣1,2,刘玉栋1,2,孟博1

单位：1.天津工业大学电气工程与自动化学院,天津300387；2.天津工业大学电工电能新技术天津重点实验室,天津300387

摘要：LF炉钢水温度的精准控制有利于缩短钢的冶炼时间，从而节约其生产成本。而获得准确的LF炉钢水温度预报是钢水温度控制的先决条件。通过分析LF炉冶炼过程对钢水温度的影响因素，提出一种适用于LF炉钢水温度预报同时具有增量学习功能的AdaBoost.RS集成建模算法。该算法引入松弛变量和遗忘因子2个参数，在提高预测精度的同时，可以克服大噪声数据带来的干扰，同时增量学习可以降低早期生产数据对模型的影响。以福建三钢有限责任公司100t LF炉为研究对象，采用5个测试函数验证算法的抗噪性能，分别用静态数据和动态数据对钢水出站的终点温度进行预报。实验结果表明，预测的绝对误差小于10℃的样本数量超过了样本总数的90%，算法精度较高，有利于实际生产应用。

关键词：软测量;AdaBoost;增量学习;BP神经网络;钢包精炼

基金资助：国家自然科学基金