何奕波, 张冰谦, 周桦伦, 张涛, 王利勇, 李怡宏
在冶金生产的过程中,连续铸造环节与铸坯产品的品质息息相关。其中,结晶器的液面波动是整个连铸过程最关键的生产参数之一,鉴于此,对结晶器内液面波动进行准确监测显得尤为关键。引入了一种人工智能模型,旨在实时准确预测结晶器液面的波动情况。模型采用了遗传算法(GA)优化的随机森林(RF)技术,称为GA-RF模型。该模型通过遗传算法对随机森林网络的参数进行寻优操作,旨在找出模型的最优参数从而获得预测性能最好的模型。试验结果表明,GA-RF预测模型实现了平均绝对误差(MAE)为0.534,均方误差(MSE)为0.73,并且预测的成功率高达96%,并与CNN模型、BP模型、SVM模型进行对比,发现GA-RF模型MAE和MSE均优于其它模型,证明了该模型具备高度精确性,能够满足实际生产应用的严格要求。通过敏感性分析,本研究还探讨了不同生产参数对模型的影响程度。