自然科学版 英文版
自然科学版 英文版
自然科学版 英文版
自然科学版 英文版
英文版编委
自然科学版 英文版
英文版首届青年编委

您目前所在的位置:首页 - 期刊简介 - 详细页面

中南大学学报(自然科学版)

Journal of Central South University

第51卷    第1期    总第305期    2020年1月

[PDF全文下载]    [Flash在线阅读]

    

文章编号:1672-7207(2020)01-0068-08
基于最大互信息系数属性选择的冷轧产品机械性能预测
颜弋凡,安路达,吕志民

(北京科技大学 钢铁共性技术协同创新中心,北京,100083)

摘 要: 对于冷轧产品机械性能预测建模时面对的需要对全流程众多影响工艺参数属性选择的问题,提出基于最大互信息系数(MIC)属性选择的机械性能预测建模方法。该方法首先利用MIC算法计算各性能指标和工艺参数之间的相关性度量,然后根据各相关度量选择形成工艺参数属性子集用于性能预测模型建模及预测。研究结果表明:该建模方法构建的冷轧产品性能预测模型的预测精度高于全工艺参数模型、Pearson相关系数选择和经验知识选择,另外该方法也能选择出一些传统方法不能选择出的非线性影响关系的工艺参数。最优特征子集模型预测效果从原始全工艺参数模型的平均相对误差2.90%下降到2.30%。

 

关键词: 最大互信息系数;冷轧;机械性能预测;属性选择

Prediction of mechanical properties of cold rolled products based on maximal information coefficient attribute selection
YAN Yifan, AN Luda, Lü Zhimin

Collaborative Innovation Center of Steel Technology, University of Science and Technology Beijing, Beijing 100083, China

Abstract:The selection of process parameters in the throughout manufacturing process influenced the accuracy of prediction model of the mechanical properties of cold rolled products. A mechanical properties prediction modeling method was proposed based on the maximal information coefficient (MIC) attribute selection. Firstly, the MIC algorithm was used to calculate the correlation metric between each mechanical property index and process parameters, and then the relevant metrics ware selected to form a subset of process parameter attributes for mechanical properties prediction modelling. The results show that the prediction accuracy of the cold rolling product properties prediction model constructed by the modeling method is higher than the full process parameter model, Pearson correlation coefficient selection and empirical knowledge selection. In addition, the method can also select some process parameters with nonlinear influence relationships between mechanical property indexes that cannot be selected by the traditional method. The optimal feature subset model prediction effect decreases from the mean relative error of the original full process parameter model by 2.90% to 2.30%.

 

Key words: maximal information coefficient; cold rolling; mechanical property prediction; feature selection

中南大学学报(自然科学版)
  ISSN 1672-7207
CN 43-1426/N
ZDXZAC
中南大学学报(英文版)
  ISSN 2095-2899
CN 43-1516/TB
JCSTFT
版权所有:《中南大学学报(自然科学版、英文版)》编辑部
地 址:湖南省长沙市中南大学 邮编: 410083
电 话: 0731-88879765(中) 88836963(英) 传真: 0731-88877727
电子邮箱:zngdxb@csu.edu.cn 湘ICP备09001153号