液面周期性波动预测方法及装置、存储介质、计算机设备

本申请公开了一种液面周期性波动预测方法及装置、存储介质、计算机设备，方法包括：基于辊子直径、辊子间距、拉速及关键化学成分的元素含量，生成训练数据集，基于训练数据集分别训练多个目标评估预测模型，其中，目标评估预测模型包括随机森林模型、支持向量机模型及遗传算法优化反向传播神经网络模型；分别计算各目标评估预测模型在多种性能评估指标下的综合性能评估值，并将最大综合性能评估值所对应的目标评估预测模型确定为液面周期性波动预测模型，其中，性能评估指标包括平均绝对误差指标、均方误差指标及F1分数指标。结合冶金机理与大数据训练预测模型，训练好的模型可以对钢液液面的周期性异常波动进行预测，能够提高连铸效率。