来源：期刊VIP网 时间：
作者：邹仕宝;张炯明;尹延斌;甄新刚;吴星星;
单位：北京科技大学绿色低碳钢铁冶金全国重点实验室;日钢营口中板有限公司;
摘要：对钢包精炼炉(以下缩写为LF)终点温度进行精确预测，有助于降低能源消耗，提高冶炼效率。为提高LF终点温度预测的准确性，先使用孤立森林算法检测并剔除数据集中的异常值，再使用随机森林算法分析各影响因素与终点温度的相关性，最后建立基于麻雀搜索算法优化的BP神经网络模型。基于国内某钢厂LF生产车间实际生产数据对模型进行验证，并与其他模型进行对比。结果表明，文章提出的模型预测的终点温度精度在±5℃内的炉次占比达到了92%，优于其他方法，可以为LF实际生产温度控制提供参考。
关键词：钢包精炼炉;;终点预测;;随机森林;;麻雀搜索算法;;神经网络
基金资助：国家自然科学基金资助项目(51834002,52104320)
