Модель для прогнозирования температуры заготовки по ретроспекции ее нагрева на основе бустинга структуры «случайный лес»

Рассматривается проблема прогнозирования температуры поверхности стальной заготовки в прокатном стане после ее нагрева в методической печи. Эту оценку необходимо получить еще до того, как металл покинет печь. В отличие от классического подхода, основанного на решении краевой задачи теплопереноса на основе дифференциального уравнения нестационарной теплопроводности, в данном случае предлагается строить мо-дель зависимости температуры заготовки от истории ее нагрева на основе анализа данных, полученных из системы управления печью. Собраны данные из АСУ ТП печей нагрева, и сформировано хранилище для них, проведен разведочный анализ данных, и определены объемы выборок для обучения, тестирования и валида-ции моделей. В рамках данной работы проведена валидация ранее разработанной авторами регрессионной модели. Ее результаты показали, что такой подход демонстрирует признаки переобучения (ошибка на прове-рочных выборках существенно превышает ошибку на обучающем множестве). Для того чтобы преодолеть указанный недостаток, в работе представлен альтернативный подход к построению искомой зависимости, ос-нованный на поиске агрегированной гипотезы – бэггинга и бустинга. Результатом работы стало построение бустинг-модели «случайного леса» на основе особого класса классификационно-регрессионных деревьев – Dropout Adaptive Regression Trees (DART). На основе множественного эксперимента с полученной моделью были построены два доверительных интервала – 68 %-й и 95 %-й, а также рассчитано математическое ожида-ние ошибки прогноза ~ 9 °С по прогнозируемой температуре заготовки на стане как на обучающей, так и на валидационной выборке.