基于大数据的C－Mn钢数据预处理及神经网络模型

• 作者: 刘振宇 吴思炜 周晓光 曹光明
• 来源期刊: 东北大学学报（自然科学版）
• 学科: 工学
• 关键词: 大数据 建模 预处理 平均影响值 C-Mn钢
• 年，卷（期）: 2016,（12）
• 所属期刊栏目: 材 料 与 冶 金
• 页码范围: 1710-1714,1739
• 页数: 6页
• 分类号: TG335.11
• 字数: 3944字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-3026.2016.12.009

摘要

在神经网络建模时，如果原始数据不加处理或经过简单剔除异常值后用于建模，则可能建立出错误的模型，即其规律并不符合物理冶金原理。因此建模前需要对原始数据进行处理，使其呈现出显著的规律性。针对钢铁生产采集的大量C－Mn钢数据进行了钢种归并，提出了数据预处理的一套方法，并采用LM－BP神经网络建立了满足一定精度(94??21％)的多牌号C－Mn钢屈服强度预测模型。通过平均影响值( mean impact value，MIV)分析了成分及工艺参数对屈服强度的影响规律。结果表明，随着碳含量的增加，屈服强度增大；随着终轧厚度和卷取温度的降低，屈服强度增大。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘振宇	东北大学轧制技术及连轧自动化国家重点实验室	259	1679	20.0	29.0
2	周晓光	东北大学轧制技术及连轧自动化国家重点实验室	60	248	9.0	13.0
3	曹光明	东北大学轧制技术及连轧自动化国家重点实验室	58	269	8.0	14.0
4	吴思炜	东北大学轧制技术及连轧自动化国家重点实验室	8	18	2.0	4.0