La structure de la louche à acier influence directement l'efficacité, la qualité et l'économie du procédé de conversion de l'acier. Pour optimiser davantage la conception de la louche, en se basant sur les données de simulation de l'écoulement d'eau sous la louche, une étude approfondie des performances de différents algorithmes d'apprentissage automatique pour prédire la quantité d'acier restante au démarrage de l'écoulement a été réalisée, en analysant également l'impact des variables structurelles de la base de la louche sur cette quantité restante. Tout d'abord, la technique SMOGN a été utilisée pour le suréchantillonnage des données de simulation, afin d'équilibrer la distribution des données et de constituer un ensemble de caractéristiques de la quantité d'eau restante comprenant un jeu d'entraînement et un jeu de test. Sur cette base, cinq modèles d'apprentissage automatique (LASSO, SVR, ElasticNet, MLP et XGBoost) ont été testés pour leurs capacités à prédire la quantité d'eau restante. Trois indicateurs — coefficient de détermination, erreur quadratique moyenne et erreur absolue moyenne — ont servi à évaluer les performances, révélant que le modèle XGBoost offrait la meilleure performance et était le choix privilégié pour ce type de prédiction. Enfin, le modèle XGBoost a été employé pour analyser l’effet des variables structurelles du fond de la louche, incluant le diamètre de la sortie, la hauteur de saillie de la sortie, la hauteur de la marche au fond de la louche et la distance entre la marche et la sortie, sur la quantité d'acier restante. Les résultats montrent qu’au-delà d’un diamètre de sortie de 40 mm, la quantité restante diminue significativement. Réduire la hauteur de saillie de la sortie et augmenter la hauteur de la marche au fond réduit sensiblement la quantité restante ; lorsque la hauteur de la saillie dépasse 26 mm, la quantité restante dépasse 20 L ; lorsque la hauteur de la marche dépasse 11 mm et que la hauteur de la saillie est inférieure à 11 mm, la quantité restante tombe en dessous de 10 L. Lorsque la distance entre la marche et la sortie augmente, la quantité restante diminue d’abord puis se stabilise au-delà de 100 mm. Ces résultats fournissent une référence importante pour les entreprises sidérurgiques visant à optimiser la structure des louches et à réduire le gaspillage d'acier, avec une signification pratique notable.

écoulement sous louche; apprentissage automatique; structure du fond de la louche; XGBoost; prédiction de régression