基于大数据的C-Mn钢数据预处理及神经网络模型

来源期刊：东北大学学报(自然科学版)2016年第12期

论文作者：吴思炜 曹光明 周晓光 刘振宇

文章页码：1710 - 3453

关键词：大数据;建模;预处理;平均影响值;C-Mn钢;

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LMBP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.