基于CatBoost算法的高炉铁水硫含量预测
Hebei Metallurgy（2023）
摘要
高炉铁水中的硫含量是描述铁水质量的一个重要指标.在出铁之前了解铁水中硫含量的高低,对于高炉实际生产具有重要作用,因此预测模型的建立非常必要.本文利用Catboost算法建立了高炉铁水硫含量的预测分析模型,采用国内某钢铁企业实际高炉生产数据进行学习和预测.运行结果表明,Catboost模型预测精度较高,计算时间较短,满足实际生产需求,同时模型的特征参量通过人工经验和相关性分析相结合的方法,相关关系结果与高炉冶炼理论基本吻合.测试结果表明,基于Catboost算法建立的高炉铁水硫含量预测模型在实际生产中能够起到很好的预测效果,对合理把控高炉铁水硫含量具有重要的参考意义.
更多关键词
blast furnace,sulfur content,Catboost model,correlation analysis,feature engineering
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要