鋼包の構造は、製鋼工程の効率、品質、および経済性に直接影響を与えます。鋼包構造設計のさらなる最適化のために、鋼包下のスラグ流れ水シミュレーションデータに基づき、異なる機械学習アルゴリズムがスラグ流開始時の残留鋼液量の予測性能について詳細に検討し、鋼包底部構造の変数が残留鋼液量に与える影響について予測分析を行いました。まず、SMOGN技術を用いて鋼包下流れ水シミュレーションデータの過サンプリング前処理を行い、データ分布のバランスをとり、訓練データセットとテストデータセットを含む残留水量特徴セットを構築しました。これに基づいて、LASSO、SVR、ElasticNet、MLP、およびXGBoostの五つの機械学習モデルの残留水量予測能力をそれぞれ検証しました。決定係数、平均二乗誤差、平均絶対誤差の三つの指標による評価の結果、XGBoostモデルが最も優れた予測性能を示し、残留鋼液量予測モデルの第一選択であることが示されました。最後に、XGBoostモデルを用いて鋼包底部構造の変数（水口直径、水口突出高さ、鋼包底部段差高さ、および段差と水口の距離）が鋼包下流れの残留量に与える影響を分析しました。結果は、水口直径が40 mmを超えると残留量が著しく減少することを示しました。水口突出高さを下げ、鋼包底部の段差高さを上げることで残留量が大幅に減少します。水口突出高さが26 mmを超えると残留量は20 Lを超え、段差高さが11 mmを超え、水口突出高さが11 mm未満の場合は残留量が10 L以下に減少します。段差と水口の距離が大きくなると、残留量は先に減少し、100 mmを超えると安定します。これらの研究結果は、製鉄企業が鋼包構造を最適化し、鋼液の無駄を減らす上で重要な参考資料となり、実用的な指針を提供します。

鋼包下流れ;機械学習;鋼包底部構造;XGBoost;回帰予測