基于灰狼算法改进的随机森林的转炉不等样出钢预测方法

本发明公开了一种基于灰狼算法改进的随机森林的转炉不等样出钢预测方法。利用灰狼算法对随机森林算法进行优化调参，训练得到改进的随机森林预测模型，实现对转炉终点碳硅锰磷硫含量的预测。将转炉冶炼终点钢水的碳硅锰磷硫含量的预测转化为对应的随机森林特殊结构，避免不必要的交互和耦合，使类似特性的网络参数得到重用，不仅引入了转炉冶炼原理的信息且大幅降低模型对样本的依赖，可显著提高随机森林算法的建模、训练及学习效率。同时，可选择不同的输入条件和数据集，从而输出与不同输入特征对应的输出特征，从而能够进行实时预测，实现了对转炉不等样出钢系统的准确建模，提高了转炉不等样出钢预测的准确性和实时性。