一种电渣重熔高温合金钛含量预报方法、系统及存储介质

1.一种电渣重熔高温合金钛含量预报方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的电渣重熔高温合金钛含量预报方法，其特征在于，所述步骤（1）中，对数据集进行筛选与净化包括去除不相关或无效的数据。

3.根据权利要求1所述的电渣重熔高温合金钛含量预报方法，其特征在于，所述步骤（2）中，根据每一炉次高温合金电极成分和渣成分计算渣-钢化学反应的吉布斯自由能变化值数据的化学反应表达式包括：

4.根据权利要求1所述的电渣重熔高温合金钛含量预报方法，其特征在于，所述步骤（2）中，作为模型的输入变量的冶炼工艺参数数据包括熔炼电压、熔炼电流、电渣炉结晶器进水温度、结晶器出水温度、保护气氛氩气流量、电极成分、渣成分、渣量、脱氧剂加入量和锭重。

5.根据权利要求1所述的电渣重熔高温合金钛含量预报方法，其特征在于，所述步骤（2）中，采用斯皮尔曼相关系数法计算每个输入变量与输出变量之间的线性相关性；结合互信息法计算每个输入变量与输出变量之间的非线性关系，两者进行互补筛选。

6.根据权利要求1所述的电渣重熔高温合金钛含量预报方法，其特征在于，所述步骤（4）中，构建三层堆叠泛化机器学习模型，第一层为基学习器层，包括支持向量机模型、岭回归模型、回归树模型和随机森林模型，中间层使用深度神经网络作为元学习器；最终层采用极端梯度提升模型；三层堆叠泛化模型中所采用的学习器均是基于监督学习的回归分析算法。

7.根据权利要求6所述的电渣重熔高温合金钛含量预报方法，其特征在于，所述步骤（4）中，开始三层堆叠泛化机器学习模型训练时，原始的训练集用于训练第一层的4个基学习器，并通过交叉验证来评估性能；第一层在训练集上的预测结果作为新特征，与最初的目标值一起构成中间层的训练集，使用这些新特征来训练中间层的深度神经网络模型；中间层的预测结果再次作为新特征，与最初的目标值一起构成最终层的训练集，使用这些新特征来训练最终层的极端梯度提升模型；训练完成的三层堆叠泛化模型输出最终的高温合金电渣锭钛含量预报结果。

8.根据权利要求6所述的电渣重熔高温合金钛含量预报方法，其特征在于，所述步骤（4）中，运用树形结构parzen估计算法对各层机器学习算法进行调优，具体为：

9.一种电渣重熔高温合金钛含量预报方法系统，所述系统包括：处理器和用于存储可执行指令的存储器；其特征在于，所述处理器被配置为执行所述可执行指令，以执行如权利要求1至8中任一项所述的电渣重熔高温合金钛含量预报方法。

10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的电渣重熔高温合金钛含量预报方法。