基于随机森林的热轧带钢质量分析与预测方法

论文摘要

以某钢铁企业的热轧带钢生产实际数据作为分析对象,基于改进的随机森林算法分析工艺参数与产品质量间的隐含关系,进行影响产品质量关键工艺参数的特征提取,建立热轧带钢产品缺陷预测模型.实验结果表明,对非平衡数据集进行平衡处理可以提高样本预测精度;采用CART与C4. 5相结合的方法比单一方法可以进一步提升预测精度;同时根据特征的高相关与低相关特性,将互信息作为评价指标应用于特征选择,可以提升随机森林算法的分类效果.在以上三种改进策略下,热轧带钢缺陷的识别率得到明显提高.

论文目录

• 1 改进的随机森林算法
•   1.1 数据预处理与特征提取
•   1.2 基于NCL和SMOTE混合的非平衡数据集改进方法
•   1.3 决策树分裂节点选择算法
•   1.4 随机森林的特征选择
•   1.5 改进的随机森林算法
• 2 实验结果
•   2.1 非平衡数据改进结果
•   2.2 决策树分裂节点算法改进结果
•   2.3 改进的随机森林特征选择算法结果
• 3 结语

文章来源

类型: 期刊论文

作者: 纪英俊,勇晓玥,刘英林,刘士新

关键词: 热轧带钢,缺陷预测,数据驱动,特征提取,随机森林

来源: 东北大学学报(自然科学版) 2019年01期

年度: 2019

分类: 工程科技Ⅱ辑,工程科技Ⅰ辑,信息科技

专业: 金属学及金属工艺,自动化技术

单位: 东北大学信息科学与工程学院,上海宝信软件股份有限公司大数据事业部

基金: 国家重点研发计划项目(2017YFB0306401),国家自然科学基金资助项目(61573089)

分类号: TP181;TG335

页码: 11-15

总页数: 5

文件大小: 274K

下载量: 421