ПРОГНОЗИРОВАНИЕ ХИМИЧЕСКОГО СОСТАВА СТАЛИ НА ВЫПУСКЕ ИЗ КОНВЕРТЕРА С ИСПОЛЬЗОВАНИЕМ ГРАДИЕНТНОГО СПУСКА
Ключевые слова:
химический состав, конвертер, градиентный спуск, прогнозирование химии, CatBoost, ферросплавы, оптимизация, машинное обучениеАннотация
В данной работе рассматривается прогнозирование химического состава стали на конвертере в сталеплавильном производстве. Задача прогнозирования химического состава важна для построения оптимизационных моделей расхода шлакообразующих и ферросплавов. В работе приводится описание исходных данных, способ построения модели, а также приводятся результаты моделирования.
Библиографические ссылки
Васькин В.О., Новожилова И.В. Компьютерная система интеллектуального анализа промышленных данных для ресурсосберегающего управления сталеплавильным конвертерным процессом // Математические методы в технике и технологиях – ММТТ. 2020. № 12-1. С. 123-127.
Антипов К.А., Филиппов В.Е. Использование технологий искусственного интеллекта при решении практических задач металлургии // Проблемы черной металлургии и материаловедения. 2021. № 4. С. 38-41.
Bae, Juhee & Li, Yurong & Ståhl, N. & Mathiason, G. & Kojola, N. Using Machine Learning for Robust Target Prediction in a Basic Oxygen Furnace System. // Metallurgical and Materials Transactions. 2022. № B. 51. P 5-20.
Sala, Davi & Deyne, Andy & Mannens, Erik & Jalalvand, Azarakhsh. Hybrid static-sensory data modeling for prediction tasks in basic oxygen furnace process. // Applied Intelligence. 2022. № 1-11. P. 12-32.
Liu, Zhao & Cheng, Shusen & Liu, Pengbo. Prediction model of BOF end-point P and O contents based on PCA–GA–BP neural network. // High Temperature Materials and Processes. 2022. № 4. P. 505-513.
Barui, Sandip. Least Squares Twin Support Vector Machines to Classify End-Point Phosphorus Content in BOF Steelmaking. // Metals. 2020. № 12.
Ståhl, N. & Mathiason, G. & Alcacoas, D. Using Reinforcement Learning for Generating Polynomial Models to Explain Complex Data. // SN Computer Science. 2021. № 10
Mehra, Raman & Wells, C. Dynamic modeling and estimation of carbon in a basic oxygen furnace. // Proceedings of the IEEE Conference on Decision and Control. 1972. № 10. P. 372 - 376.
Большаков В.И. & Узлов О.В. Оптимизация химического состава и технологии выплавки стали 20г2аф. // Металознавство та термічна обробка металів. 2017. № 4. С. 10-15.
Bentéjac, Candice & Csörgő, Anna & Martínez-Muñoz, Gonzalo. (2021). A comparative analysis of gradient boosting algorithms. Artificial Intelligence Review. 54. 10.1007/s10462-020-09896-5. (Режим доступа: https://www.researchgate.net/publication/343840428_A_comparative_analysis_of_gradient_boosting_algorithms)
Ustimenko, Aleksei & Ostroumova Prokhorenkova, Liudmila & Malinin, Andrey. (2020). Uncertainty in Gradient Boosting via Ensembles. (Режим доступа: https://www.researchgate.net/publication/342301954_Uncertainty_in_Gradient_Boosting_via_Ensembles)
Subasi, Abdulhamit & El-Amin, Mohamed & Darwich, Tarek & Dossary, Mubarak. (2022). Permeability prediction of petroleum reservoirs using stochastic gradient boosting regression. Journal of Ambient Intelligence and Humanized Computing. 13. 10.1007/s12652-020-01986-0. (Режим доступа: https://www.researchgate.net/publication/340951687_Permeability_prediction_of_petroleum_reservoirs_using_stochastic_gradient_boosting_regression)
Gu, Qinghua & Chang, Yinxin & Xiong, Naixue & Chen, Lu. (2021). Forecasting Nickel futures price based on the empirical wavelet transform and gradient boosting decision trees. Applied Soft Computing. 109. 107472. 10.1016/j.asoc.2021.107472. (Режим доступа: https://www.researchgate.net/publication/351608688_Forecasting_Nickel_futures_price_based_on_the_empirical_wavelet_transform_and_gradient_boosting_decision_trees)
Mehra, Raman & Wells, C.H.. (1971). Dynamic Modeling and Estimation of Carbon in a Basic Oxygen Furnace. IFAC Proceedings Volumes. 4. 232-239. 10.1016/S1474-6670(17)68637-3. (Режим доступа: https://www.researchgate.net/publication/318199379_Dynamic_Modeling_and_Estimation_of_Carbon_in_a_Basic_Oxygen_Furnace)
Bing-yao, Cai & Hui, Zhao & You-jun, Yue. (2011). Research on the BOF steelmaking endpoint temperature prediction. 10.1109/MEC.2011.6025947. (Режим доступа: https://www.researchgate.net/publication/252046253_Research_on_the_BOF_steelmaking_endpoint_temperature_prediction)
Tyurin A.S. Predicting the Temperature Decrease of Metal Between the Furnace-Bucket Machine and the SCCP (steel continuous casting plant) // 2nd International Conference on Control Systems, Mathematical Modeling, Automation and Energy Efficiency (SUMMA). 2020. P. 150-154.
