基于决策树的连退加热段带钢抗拉强度影响因素分析.pdfVIP

学兔兔 务1 lI》 似 基于决策树的连退加热段带钢抗拉强度影响因素分析 Analysis of tensile strength of strip steel in heating section of continuous annealing furnace based on decision tree 雷华欢，徐家倬，陈 平，刘丽兰 LEI Hua．huan，XU Jia．zhuo，CHEN Ping，LIU Li．1an (上海大学机电工程与自动化学院上海市机械自动化及机器人重点实验室，上海200072) 摘 要：决策树方法因其简单、直观、准确率高等特点在数据挖掘中得到了广泛的应用。本文阐述了 运用决策树对某钢厂连退后的冷轧带钢的各项参数进行挖掘，得出影响带钢抗拉强度的主要 因素，为以后的带钢生产提供了良好的决策依据。 关键词：数据挖掘；决策树；带钢抗拉强度 ’ 中图分类号：TH1 66；TP399 文献标识码：A 文章编号：1 009-01 84(201 2)1(-F)-oo72-o5 Doi：10．3969／J．issn．1 009-01 34．201 2．1(下)．23 0 引言 1决策树算法 抗拉强度是金属由均匀塑性变形向局部集中 1．1决策树的介绍 塑性变形过度的临界值，也是金属在静拉伸条件 决策树 是一种以实例 (训练集)为基础的 下的最大承载能力。抗拉强度是金属产品是否合 归纳学习方法。它着眼于从一组无秩序、无规则 格的重要指标之一。某钢厂为了提高连退产品带 的实例中推理出决策树表示形式的分类规则。采 钢的生产合格率，特别对带钢抗拉强度的影响因 用自顶向下的递归方式，在内部节点进行属性值 素进行了分析。该企业在长期的生产过程中积累 的比较，并根据不同的属性值判断从该节点向下 了丰富的产品性能数据，为了充分利用这些数据 的分支，在叶节点得到结论。 来提高产品的性能，进行新产品新工艺的设计， 决策树中，有两种节点：决策节点和状态节 从而提高企业的经济效益和增强企业竞争力，企 点。由决策节点引出若干树枝，每个树枝代表一 业的技术人员应用数据挖掘这一技术对这些数据 个决策方案，每个方案树枝连接到一个新的节点。 进行挖掘分析来得到具体影响带钢抗拉强度的因 这个新的节点即可能仍是一个新的决策节点，也 素及其之间的关系。 可能是一个状态节点。每个状态节点表示一个具 数据挖掘 是从大量的数据中提取隐含在其 体的最终状态。在决策树中，与状态节点相对应 中的、实现不知道的、但又是潜在有用的信息和 的是叶节点。决策树用于解决分类问题时，决策 知识的过程。它是一个萃取和展现新知识的流程。 节点表示待分类对象的属性，每个树枝表示它的 通过分析具体数据，发现确定有效的、新颖的、 一 个可能取值，而状态节点则表示分类结果。 有潜在使用价值的信息，为企业的运营和决策部 决策树中最上面的节点称为根节点，是整个 门做出重要决策提供帮助。其中，决策树以其出 决策树的开始。决策树的每个节点子节点的个数 色的数据分析效