[發明專利]一種基于梯度提升樹模型的熱連軋帶鋼凸度預測方法在審
| 申請號： | 201911020797.0 | 申請日： | 2019-10-25 |
| 公開（公告）號： | CN110929347A | 公開（公告）日： | 2020-03-27 |
| 發明（設計）人： | 李廣燾;龔殿堯;魯興;王振華;張殿華;徐建忠;邸洪雙 | 申請（專利權）人： | 東北大學 |
| 主分類號： | G06F30/17 | 分類號： | G06F30/17;G06F30/27 |
| 代理公司： | 沈陽優普達知識產權代理事務所(特殊普通合伙) 21234 | 代理人： | 陳曦 |
| 地址： | 110169 遼*** | 國省代碼： | 遼寧;21 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 梯度 提升 模型 熱連軋 帶鋼 預測 方法 | ||
1.一種基于梯度提升樹模型的熱連軋帶鋼凸度預測方法，其特征在于，包括如下步驟：
步驟1：選擇相關熱軋帶鋼的工藝參數、設備參數和帶鋼參數與實際帶鋼凸度作為建立熱連軋帶鋼凸度預測模型的輸入與輸出；
步驟2：在熱軋帶鋼生產現場收集相關原始建模數據并進行預處理，通過去除缺失值、異常值和數據均衡獲得最終建模數據；
步驟3：按照一定比例將通過預處理獲得的最終建模數據隨機劃分為訓練數據集和測試數據集；
步驟4：基于訓練數據集，采用交叉驗證建立基于梯度提升樹算法的熱連軋帶鋼凸度預測模型；
步驟5：采用坐標下降法確定基于梯度提升樹算法的熱連軋帶鋼凸度預測模型的最優參數；
步驟6：基于測試數據集，采用決定系數、平均絕對誤差、平均絕對百分誤差和均方根誤差來評價按照上述步驟建立的基于梯度提升樹算法的熱連軋帶鋼凸度預測模型的性能。
2.如權利要求1所述的基于梯度提升樹模型的熱連軋帶鋼凸度預測方法，其特征在于，所述步驟2具體為：
步驟2.1：檢查所收集的每一個帶鋼數據樣本是否存在缺失值，如果某一個帶鋼數據樣本存在缺失值，則去除該帶鋼數據樣本；
步驟2.2：將所有變量按照是否與帶鋼種類有關分為A類與B類，A類變量與帶鋼種類有關，B類變量與帶鋼種類無關；
步驟2.3：基于拉依達準則去除含有B類變量的異常值的每個帶鋼數據樣本；
步驟2.4：根據帶鋼化學成分，尺寸規格將余下的帶鋼數據樣本分成M個類別(C1，…，CJ，…，CM)；
步驟2.5：判斷類別CJ中的帶鋼數據樣本數是否超過30，如果帶鋼數據樣本數超過30，基于拉依達準則去除含有A類變量的異常值的每個帶鋼數據樣本；如果帶鋼數據樣本數小于30，基于格拉布斯準則去除含有A類變量的異常值的每個帶鋼數據樣本；
步驟2.6：去除采樣極不均衡的帶鋼數據樣本獲得最終建模帶鋼數據。
3.如權利要求1所述的基于梯度提升樹模型的熱連軋帶鋼凸度預測方法，其特征在于，所述步驟2.3中的拉依達準則判別式為：
其中，是變量E的極值，是變量E的平均值，σ是變量E的方差；
判斷變量E的極值是否滿足式(1)，如果滿足式(1)則為變量E中的異常值，去除該帶鋼數據樣本；當變量E的極值不滿足式(1)，則變量E中的異常值已全部去除，按照該方法去除含有B類變量的異常值的帶鋼數據樣本。
4.如權利要求1所述的基于梯度提升樹模型的熱連軋帶鋼凸度預測方法，其特征在于，所述步驟2.5中格拉布斯準則通過對比計算所得的G值與臨界G(n,α)值的大小來判斷異常值，其中α為顯著水平，G值計算公式為：
其中，n是變量F的取值數量，是變量F的第q個值，是變量F的平均值，σ是變量F的方差；
如果變量F的計算G值大于臨界G(n,α)值，則為變量F的異常值，去除該帶鋼數據樣本；當變量F的計算G值小于臨界G(n,α)值，則變量F中無異常值，基于格拉布斯準則去除帶鋼數據樣本數小于30的類別中含有A類變量的異常值的帶鋼樣本。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于東北大學，未經東北大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.17sss.com.cn/pat/books/201911020797.0/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種鋼板前置交換平臺
- 下一篇：一種基于機器學習的空號識別方法
