申请/专利权人:北京科技大学
申请日:2024-03-15
公开(公告)日:2024-04-16
公开(公告)号:CN117894397A
主分类号:G16C20/30
分类号:G16C20/30;G16C20/60;G06N20/20
优先权:
专利状态码:在审-公开
法律状态:2024.04.16#公开
摘要:本发明属于金属连铸技术领域,具体为一种基于机器学习的连铸保护渣粘度预报方法,收集不同温度下已知成分的连铸保护渣粘度数据;将连铸保护渣的成分数据转化为以氧离子和氟离子特性为基础的熔渣结构数据,与温度共同作为模型输入特征值,保护渣粘度作为模型输出特征值;将连铸保护渣的熔渣结构数据、温度和粘度数据进行归一化处理,将数据分为训练集与测试集;构建基于成分—结构—粘度的堆叠集成机器学习模型,并使用贝叶斯算法优化堆叠集成机器学习模型中的机器学习算法,得到优化的连铸保护渣粘度预报模型对不同温度下连铸保护渣的粘度进行预报,可以准确的预报连铸保护渣的粘度。
主权项:1.一种基于机器学习的连铸保护渣粘度预报方法,其特征在于,包括如下步骤:S1、收集不同温度下已知成分的连铸保护渣粘度数据,并进行数据清洗与预处理;S2、根据连铸保护渣成分与熔渣结构之间的关系,将连铸保护渣的成分数据转化为以氧离子和氟离子特性为基础的熔渣结构数据,熔渣结构数据与温度共同作为模型输入特征值,保护渣粘度作为模型输出特征值;S3、将连铸保护渣的熔渣结构数据、温度和粘度数据进行归一化处理,并将数据分为训练集与测试集;S4、构建基于成分—结构—粘度的堆叠集成机器学习模型,并使用贝叶斯算法优化堆叠集成机器学习模型中的机器学习算法,得到优化的连铸保护渣粘度预报模型;S5、利用优化的连铸保护渣粘度预报模型对不同温度下连铸保护渣的粘度进行预报。
全文数据:
权利要求:
百度查询: 北京科技大学 一种基于机器学习的连铸保护渣粘度预报方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。