文献

J-GLOBAL ID：202102233775881003   整理番号：21A0044197

溶融亜鉛めっき鋼巻の機械的性質のGBDT予測モデル【JST・京大機械翻訳】

Research on GBDT prediction model of mechanical properties of hot dip galvanized steel coils

著者 (4件)： Wang Wei (福州大学机械工程及自動化学院,福建 福州 350108) ,  Kuang Zhenhui (福州大学机械工程及自動化学院,福建 福州 350108) ,  Xie Shaojie (福州大学机械工程及自動化学院,福建 福州 350108) ,  Bai Zhenhua (燕山大学机械工程学院,河北 秦皇島 066004)
資料名： Fuzhou Daxue Xuebao (Ziran Kexue Ban)  (Fuzhou Daxue Xuebao (Ziran Kexue Ban))
巻： 48  号： 5  ページ： 602-609  発行年： 2020年 
JST資料番号： C3290A  ISSN： 1000-2243  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 熱亜鉛めっき鋼巻の機械的性質の予測モデリング条件の属性選択が難しく、予測精度が不足している問題に対して、熱亜鉛めっき鋼巻の機械的性質勾配リフティングツリー(gradientboostingdecisiontree、GBDT)の予測モデルを研究した。相互情報差アルゴリズムを用いて,プロセスパラメータ,化学組成,および鋼巻サイズパラメータなどの条件属性の相対的重要度と属性間の冗長性を評価し,モデルの条件属性を選別した。同分布原理を用いてサンプル分割を行い、グリッド検索法と交差検証法を併用し、モデルパラメータを最適化し、機械的性質のGBDT予報モデルを構築した。GBDTモデル予測結果を,ランダムフォレスト(randomforest,RF),AdaBoostアルゴリズムおよびBPニューラルネットワークの結果と比較した。結果は,GBDTモデルが他のモデルより優れ,90%のサンプルで予測した絶対誤差が14.24MPa未満であり,94.6%のデータサンプルの相対誤差が6%の範囲にあり,より高い予測精度を持つことを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  化学組成 ,  *機械的性質 ,  最適化 ,  冗長性 ,  *鋼 ,  *亜鉛めっき ,  プロセスパラメータ ,  *予測モデル
準シソーラス用語： 予測精度 ,  AdaBoost ,  モデルパラメータ ,  *溶融亜鉛めっき ,  ランダムフォレスト ,  モデル予測 , 【Automatic Indexing@JST】

分類 (1件)： 変態組織,加工組織  (WB01030N)

タイトルに関連する用語 (4件)： 溶融亜鉛めっき ,  巻 ,  機械的性質 ,  予測モデル