摘要：ＬＦ精炼是连接转炉和连铸的重要工序，对其终点进行精准预测有助于提高ＬＦ生产效率，确保后续工序稳定进行。为提高ＬＦ终点预测准确率，提出了一种基于即时学习局部模型的ＬＦ精炼终点预测方法。在即时学习框架下，采用特征重要性和时间双重加权的相似度度量方式选取近邻样本集，通过局部加权偏最小二乘法构建局部模型进行ＬＦ精炼终点温度和终点硫含量的预测。基于国内某钢厂ＬＦ精炼车间实际生产数据对本预测方法进行验证，并与传统全局反向传播（ｂａｃｋｐｒｏｐａｇａｔｉｏｎ，ＢＰ）建模和普通欧氏距离相似度度量策略局部建模方法进行对比。结果表明，本预测方法对Ｑ２３５Ａ／Ｂ终点温度在±５℃范围内预测命中率达９２．５％，对脱硫钢种终点硫质量分数在±０．００２％范围内预测命中率达９０．０％，优于其他两种方法，可以为ＬＦ精炼实际生产终点控制及后续出钢工作提供指导参考。 关键词：ＬＦ精炼；终点预测；即时学习；局部加权偏最小二乘法；局部模型 下载高清全文——一种基于即时学习局部模型的LF终点预测方法.pdf