arXiv · ML· Ahmed Shoyeb Raihan, Farzana Islam, Ashish Nimbarte, Imtiaz Ahmed·· 4 天前AI 评分23
可用性感知历史反馈学习:用于电炉终点温度与化学成分预测
Availability-Aware Historical Feedback Learning for Electric Arc Furnace Temperature and Chemical Composition Prediction
AI 导读
该研究提出一种可用性感知历史反馈学习框架,用于预测电炉(EAF)终点温度及12种化学元素浓度。 框架整合8类工业数据源,在19,738组温度炉次中,ExtraTrees模型的RMSE达到12.290°C,比仅时序特征模型降低5.54%。 结果证实历史结果的可用性与序列反馈对EAF终点预测至关重要。
来源:arXiv · ML · arxiv.org