基于随机森林预测转炉物料的废钢比计算模型
王健豪
1
， 方庆
1,2
， 王家辉
1
， 罗霄
2
， 张华
1
， 倪红卫
1
（1.武汉科技大学钢铁冶金及资源利用省部共建教育部重点实验室， 湖北武汉 430081；2.湖南华菱湘潭钢铁有限公司， 湖南湘潭 411101）
在“双碳”背景下，提高废钢消耗比例和降低铁钢比已成为钢铁行业能效提升和节能降碳的重要途径。随着废钢资源的不断积累和环保压力的增加，钢铁企业迫切需要找到一个平衡点，既能有效利用废钢资源，又能控制成本和提高经济效益。基于某厂实际生产数据，首先通过物料平衡和热平衡分析构建了一个静态估计模型，结果显示，物料平衡的计算误差为
0.13%
，热平衡的计算误差约为
0.18%
，证实了静态模型的准确性，并通过模型的矫正，调整废钢加入量以减少计算误差。其次，为了进一步提高模型预测的准确性，采用随机森林算法对钢水产量、轻烧白云石加入量和石灰加入量进行预测。测试集数据预测的均方根误差
R
MSE
分别为
1.925 9
、
0.256 14
和
0.433 36
，预测方差分别为
0.837 41
、
0.861 33
和
0.876 14
，这证明随机森林算法在预测中的可靠性和有效性。最后，结合原料价格和预测结果，构建了最佳废钢比的计算模型。根据当前原料价格，模型计算出最佳废钢比例为
27%
。而当钢水价格上涨、废钢价格下降时，最佳废钢比例增至
32%
。该模型可以基于原料的不同价格计算出使吨铁水利润达到最大的废钢比，优化废钢利用比例，实现高效利用废钢资源、降低碳排放和提高能源效率，为相关企业实现转炉智能、低碳、高效和低成本生产提供一定的理论基础。
转炉；
吨铁水利润；
废钢比；
随机森林算法；
物料预测
随着全球经济的快速发展，钢铁需求量大大增加。然而，传统的钢铁生产过程对能源和原材料的需求都十分巨大，同时还会产生大量的二氧化碳，这对环境造成了严重的影响。在这样的背景下，钢铁行业迫切需要寻找新的途径来降低生产成本、减少能源消耗并降低碳排放，以实现可持续发展。废钢的回收和利用成为了一种可行的解决方案，它可以降低原材料成本，同时减少钢铁生产过程中的二氧化碳排放，对环境会产生较小的影响。
许多学者对如何提高废钢加入量进行了大量的试验和理论研究。试验性研究通过实际试验来探究提高废钢比对炼钢工艺的影响，并提出相应的应对措施。而理论研究是通过数值计算推导最合理的废钢加入量。冯春松等采用拟合的方法构建了吨铁水利润与废钢比之间的函数表达式，并以典型钢种为例，计算了不同废钢价格下使吨铁水利润达到最大的废钢比。马春武等则通过物料和能量平衡计算，研究了废钢价格和废钢比的变化对转炉吨钢成本及工序效益的影响，并得出了转炉采取高废钢比冶炼来提高工序效益的废钢价格范围。然而，这些基于拟合的理论计算结果并不能很好地反映出冶炼过程中的非线性关系和复杂的动态变化，而神经网络的运用能够补足这些理论计算上的不足，神经网络在冶金领域主要用于转炉终点温度和终点碳氧含量的预测，目前鲜有使用神经网络来预测转炉生产物料从而构建最佳废钢比计算模型的报道。
因此，本研究旨在开发一种基于随机森林算法预测转炉物料的最佳废钢比计算模型。随机森林算法是一种集成学习方法，结合了随机森林和深度学习的优势。该算法能够处理非线性关系和高维数据，并具有较好的预测性能和模型解释性。随机森林算法能够处理很高维度的数据，并且它无需做特征选择，由于特征子集是随机选择的，并且在训练完成后，能够得出特征的重要性，可以为其他网络模型筛选相关特征向量。此外，随机森林算法不需要单独进行换分交叉验证集，采用无偏估计，模型泛化能力强，并且对缺失值不敏感，在有很大一部分特征遗失的情况下，也可以维持准确度。利用随机森林算法对大量的历史数据进行分析和学习，使得该模型能够较为精确预测转炉钢水产量、轻烧白云石加入量和石灰加入量。最后确定不同价格条件下吨铁水利润最大时所对应的最佳废钢比例。而本次研究的目的在于提供一个可靠的预测工具，帮助冶炼工业实现废钢比的最优化，从而提高生产效率、降低成本，并实现资源的最大化利用。通过该模型，转炉冶炼企业可以实现生产过程的资源利用最大化，提高产品质量和生产效率，降低成本和环境影响，进一步推动钢铁行业的绿色可持续发展。
1）基于物料平衡和热量平衡原理，成功开发了一种用于转炉炼钢过程的静态估计模型。该模型具备强大的功能性、便捷实用性、友好的用户界面以及易于学习的特点。用户只需输入原料条件和工艺参数，即可快速完成转炉炼钢过程中的物料平衡和热平衡计算。与传统的人工计算方法相比，该模型极大地降低了劳动强度、缩短了计算周期，并提高了计算效率。因此，该模型在冶金专业教学、网络虚拟炼钢竞赛、转炉炼钢生产以及科学研究等领域具有广泛应用的潜力。
2）通过随机森林算法构建预测模型，预测模型在预测钢水产量、轻烧白云石加入量和石灰石加入量方面表现出较好的准确性和可靠性。对于训练集数据，模型具有较小的预测误差和较高的拟合能力，能够解释目标变量的方差约为97.13%。在测试集数据上，尽管预测误差略有增加，但模型仍具备较高的准确性，能够解释目标变量的方差约为83.74%。此外，模型在训练集和测试集上的平均绝对误差较小。所以该预测模型在钢水产量、轻烧白云石加入量和石灰石加入量的预测中表现出较好的性能和可靠性，为钢铁冶金领域提供了有价值的预测工具。
3）设计并开发了基于随机森林算法预测转炉物料的最佳废钢比计算模型。该模型利用随机森林算法对转炉炼钢过程中的物料量进行预测，并结合转炉炼钢生产的原材料价格，对最佳废钢比进行计算分析，从而达到控制炼钢成本的目的。这一系统的开发为转炉炼钢生产提供了有效的决策支持，帮助优化废钢比例，提高生产效率，并降低生产成本。
1.
《连铸》首次、《钢铁》《中国冶金》再次入编北大中文核心！
2
.
2023年度《钢铁》优秀编委、优秀审稿专家及优秀论文名单
3.
2023年度《钢铁》优秀青年编委名单
4.
《钢铁》杂志2024年“先进钢铁材料增材制造”专刊征稿启事
5.
《钢铁》创刊70周年“钢铁工业低碳发展”特刊征稿通知
