摘要
本发明的一种基于数据驱动的热流密度自适应系数计算方法,包括:采集冷却工艺参数、带钢信息参数和冷却水温度,作为输入特征参数,将热流密度自适应系数作为输出特征参数,由输入特征参数和输出特征参数构成原始数据集;对原始数据集进行数据清洗,划分为训练集、测试集和验证集;构建热流密度自适应系数stacking模型,采用混沌哈里斯鹰优化算法获得最优的基学习器数量及类型;采用混沌哈里斯鹰优化算法对最优基学习器的超参数进行寻优;将训练集输入到stacking模型中进行训练;采用测试集验证stacking模型的泛化性能;采集当前带钢信息参数,采用经过测试的stacking模型预测当前带钢的热流密度自适应系数。
技术关键词
系数计算方法
学习器
密度
参数
模型预测值
训练集
带钢头部
梯度提升决策树
样本
算法
梯度提升机
冷却水
带钢宽度
高温计
随机森林
热连轧
异常数据
直方图
系统为您推荐了相关专利信息
导航定位方法
解剖器官
深度学习网络
人体特征
定位器官
协同预测方法
抗性基因
支持向量回归模型
抗生素抗性细菌
多任务
数据传输优化方法
数据完整性校验
摘要
消息
接收端