數據清洗對熱軋微合金鋼性能預報模型的改進

摘要：熱軋生產過程實測數據具有噪音大、信噪比低等特點,運用合適的方法對異常數據進行清洗將有助于提高鋼材力學性能預報模型的精度?；趲т摕徇B軋過程數據的分布特點,采用孤立森林算法對熱軋過程異常數據進行清洗,提高了性能預報模型的預測精度。首先,基于收集到的大量熱軋微合金鋼生產過程數據,采用孤立森林算法計算原始數據集中每條數據記錄的異常分值;接著結合異常分值排序與力學性能建模實驗,確定異常數據記錄的個數;最后,基于清洗后的數據集合,運用融合數據與機理的建模方法建立力學性能預報模型,并對抗拉強度和屈服強度進行預測。預測實踐表明,抗拉強度和屈服強度預報的平均絕對百分誤差分別為2.50%和3.42%,且分別有93.13%和86.30%的數據預測值和實測值絕對誤差在±6%之內;采用孤立森林算法對熱軋生產過程異常數據進行清洗,可顯著提高熱軋帶鋼力學性能預報模型的精度。