基于数据驱动的铝电解槽剩余寿命预测方法研究

摘要：

铝电解槽的寿命直接影响着电解铝企业的经济效益,准确预测铝电解槽剩余寿命能够提前制定维修计划,减少经济损失.本文针对铝电解槽寿命分析过程中缺乏对历史生产数据应用的背景,从数据的角度出发,探究生产工艺参数对槽寿命的影响,将机器学习引入到铝电解槽剩余寿命预测中,提出一种SVR-RFE-XGBoost模型,结合支持向量回归(SVR)与递归特征消除(RFE)算法,直接从原始数据中挖掘出关键寿命特征.同时利用极端梯度提升算法(XGBoost)对提取后的关键特征进行槽剩余寿命预测.最后利用某铝厂历史生产数据对模型进行性能验证,实验表明,该模型槽剩余寿命的平均绝对误差(MAE)、均方根误差(RMSE)和拟合优度(r2)别为116.0950,207.4964和0.7463.对比分析XGBoost算法、岭回归(Ridge Regression)和SVR算法,实验结果表明,本文所构建的SVR-RFE-XGBoost的模型表现最佳,能更加准确地预测铝电解槽剩余寿命,在铝电解实际生产中具有重要的指导意义.

关键词：铝电解槽、特征选择、剩余寿命预测、机器学习、数据驱动

所属期刊栏目：47

分类号：TF821(有色金属冶炼)

资助基金：国家自然科学基金51374268

在线出版日期：2023-04-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：273-280