基于CART算法的带钢抗拉强度影响因素研究
来源期刊:控制工程2015年第2期
论文作者:陈平 徐星
文章页码:276 - 281
关键词:数据挖掘;CART算法;带钢抗拉强度;
摘 要:CART是数据挖掘的一种全新的优越的分类工具,是一种产生二叉决策树的技术。由CART模型构建的预测树在很多情况下比常用的统计方法构建的代数学预测准则更加准确,且数据越复杂、变量越多,算法的优越性就越显著。基于信息论的CART算法已在国际上被广泛的应用。阐述了CART(Classification and Regression Tree)算法的基本原理和主要特征,并介绍了连退的基本工艺流程和抗拉强度的概念。通过理论分析,选取了某钢厂连退机组生产过程中影响带钢抗拉强度的重要因素,视为模型的决策属性。根据CART算法,挖掘出三大影响抗拉强度的重要属性,建立了抗拉强度的评估规则。研究表明,CART算法有效的处理了因子之间的非线性关系,建立了可靠、有效的规则,为带钢生产提供了良好的决策依据。
陈平1,徐星2
1. 上海宝钢工业技术服务有限公司2. 浙江中控研究院有限公司
摘 要:CART是数据挖掘的一种全新的优越的分类工具,是一种产生二叉决策树的技术。由CART模型构建的预测树在很多情况下比常用的统计方法构建的代数学预测准则更加准确,且数据越复杂、变量越多,算法的优越性就越显著。基于信息论的CART算法已在国际上被广泛的应用。阐述了CART(Classification and Regression Tree)算法的基本原理和主要特征,并介绍了连退的基本工艺流程和抗拉强度的概念。通过理论分析,选取了某钢厂连退机组生产过程中影响带钢抗拉强度的重要因素,视为模型的决策属性。根据CART算法,挖掘出三大影响抗拉强度的重要属性,建立了抗拉强度的评估规则。研究表明,CART算法有效的处理了因子之间的非线性关系,建立了可靠、有效的规则,为带钢生产提供了良好的决策依据。
关键词:数据挖掘;CART算法;带钢抗拉强度;