Abstract：
热镀锌钢卷力学性能影响因素之间关系复杂，限制了模型精度的提升。采用k-means算法利用化学成分属性对镀锌钢卷数据集进行聚类，将数据聚成三种模式簇实现样本的优选。利用梯度提升树算法，开展各模式数据集与不划分模式的全数据集下的力学性能建模研究，最后结合网格搜索与交叉验证方法进行模型参数优化。研究结果表明，分模式下模型MAE误差相比于全数据集建模平均减小0.85 MPa。参数优化后，各模式下MAE误差平均减少5.19 MPa, RMSE误差平均减少3.63 MPa,提高了预测模型精度。
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
重型机械
ISSN： 1001-196X
CN： 61-1113/TH
Year： 2024
Issue： 02
Volume： 5
Page： 54-58
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 3
Affiliated Colleges：
