基于AdaBoost．RS算法的LF炉钢水温度预报分析

在钢铁企业中，LF精炼技术一直占据着十分重要的地位。精准控制LF炉钢水温度有利于提高钢的质量、降低生产成本，而LF炉钢水温度预报是控制LF炉钢水温度的前提。目前LF炉钢水温度预报的方法主要包括传热机理模型分析方法、数值模拟和理论分析方法及软测量建模方法等。

天津工业大学的学者通过分析LF炉冶炼过程对钢水温度的影响因素，提出一种适用于LF炉钢水温度预报同时具有增量学习功能的AdaBoost．RS集成建模算法。该算法引入松弛变量和遗忘因子2个参数，在提高预测精度的同时，可以克服大噪声数据带来的干扰，同时增量学习可以降低早期生产数据对模型的影响。以福建三钢有限责任公司100tLF炉为研究对象，采用5个测试函数验证算法的抗噪性能，分别用静态数据和动态数据对钢水出站的终点温度进行预报。实验结果表明，预测的绝对误差小于10℃的样本数量超过了样本总数的90％，算法精度较高，有利于实际生产应用。