来源：期刊VIP网 时间：
作者：王姿涵;张宇鹏;赵定国;薛月凯;王书桓;李晨晓;周朝刚;
单位：华北理工大学冶金与能源学院;
摘要：为了准确预测RH精炼炉的脱碳氧位，基于某厂生产数据，应用随机森林算法，BP神经网络模型和支持向量回归模型分别划分训练集和测试集，预测了脱碳氧位。结果表明：BP神经网络模型的预测效果比另外两种模型性能更好，在5%以内的范围预测准确率达到85%。随后统计了在不同条件下的氧位分布情况，并通过影响因素的权值对新的样本的冶炼周期、最高真空度、吹氧量、氮气消耗进行调整，基于BP神经网络模型进行了实验验证，最终实现了RH精炼炉脱碳氧位的窄范围控制。
关键词：RH精炼;;BP神经网络模型;;支持向量回归模型;;随机森林算法;;脱碳氧位
基金资助：国家自然科学基金资助项目(52274336);; 河北省创新能力提升计划(23561001D);; 中央引导地方科技发展资金项目(226Z1008G)
