文献

J-GLOBAL ID：202202243008407295   整理番号：22A0629060

Bayes公式に基づく転炉溶鋼端部温度予測のための統合モデル【JST・京大機械翻訳】

An Integration Model for Converter Molten Steel End Temperature Prediction Based on Bayesian Formula

著者 (5件)： Feng Kai (School of Metallurgy and Ecology Engineering, University of Science and Technology Beijing, Beijing, 100083, China) ,  Yang Lingzhi (School of Minerals Processing and Bioengineering, Central South University, Changsha, 410083, China) ,  Su Buxin (China Metallurgical Industry Planning and Research Institute, Beijing, 100013, China) ,  Feng Wei (Xi’an Microelectronic Technology Institute, Xi’an, 710119, China) ,  Wang Longfei (POWERCHINA Northwest Engineering Corporation Limited, Xi’an, 710000, China)
資料名： Steel Research International  (Steel Research International)
巻： 93  号： 2  ページ： e2100433  発行年： 2022年 
JST資料番号： A0446A  ISSN： 1611-3683  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： コンバータ溶鋼エンド温度の高精度予測は,コンバータ操作におけるインテリジェント製錬を実現する重要な基礎である。コンバータエンド温度の単一モデル予測は,弱い一般化能力や精度向上の困難さなどの問題がある。これらの問題に取り組むために,本レビューは,異なる特徴を持つ複数のモデルを動的に統合するBayes式に基づくモデリング法を提案した。最初に,種々のデータパターンおよび特徴を,異なるモデリング法を用いて調査し,そして,変換器溶鋼エンド温度に対するそれぞれの予測モデルを構築した。次に,目的の価値範囲を離散化し,異なるモデルからの予測結果の信頼レベルをBayes式に基づいて計算した。最後に,異なるモデルの予測値をそれらの信頼レベルに従って重み付けし,包括的な予測結果を得た。実際の生産データを用いて,統合モデルと3つの単一モデル(サポートベクトル回帰,ランダムフォレスト,BPニューラルネットワーク)について試験と比較を実施した。結果は,ベイジアン式に基づく統合モデルが,単一モデル予測精度のトップに関して,さらに予測精度を効果的に増やすことができることを示した。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *温度 ,  *転炉 ,  *溶鋼 ,  精度 ,  モデリング ,  計算機アルゴリズム ,  製錬 ,  *モデル ,  予測モデル
準シソーラス用語： 離散化 ,  予測精度 ,  高精度化 ,  ランダムフォレスト ,  予測値 ,  *温度予測 ,  サポートベクトル回帰 ,  モデル予測 , 【Automatic Indexing@JST】

著者キーワード (5件)： Bayes公式 ,  BPニューラルネットワーク ,  転炉製鋼 ,  最終温度予測 ,  統合モデル

分類 (1件)： 製鋼  (WD01060A)

タイトルに関連する用語 (4件)： 転炉 ,  溶鋼 ,  温度予測 ,  統合モデル