강주조로 구조는 제강 공정의 효율성, 품질 및 경제성에 직접적인 영향을 미칩니다. 강주조로 구조 설계를 더욱 최적화하기 위해 강주조로 하부 흐름수 시뮬레이션 데이터를 기반으로 다양한 머신러닝 알고리즘이 흐름 시작 시 잔류 용강량 예측에 미치는 효과를 심층적으로 탐구하였으며, 주형 바닥 구조 변수들이 잔류 용강량에 미치는 영향에 대한 예측 분석을 수행하였습니다. 우선, SMOGN 기법을 사용하여 강주조로 하부 흐름수 시뮬레이션 데이터에 대해 오버샘플링 전처리를 시행하여 데이터 분포를 균형 있게 조정하고, 학습 세트와 테스트 세트를 포함하는 잔류 수량 특성 집합을 구성하였습니다. 이를 바탕으로 LASSO, SVR, ElasticNet, MLP 및 XGBoost 다섯 가지 머신러닝 모델의 잔류 수량 예측 성능을 각각 테스트하였습니다. 결정계수, 평균제곱오차 및 평균절대오차 세 가지 지표를 통해 평가한 결과, XGBoost 모델이 가장 우수한 예측 성능을 보였으며, 잔류 용강량 예측 모델의 최선의 선택임을 확인하였습니다. 마지막으로 XGBoost 모델을 활용하여 노 하부 구조 변수인 유로 직경, 유로 돌출 높이, 주형 바닥 계단 높이, 주형 바닥 계단과 유로 거리 등이 강주조로 하부 흐름 잔류 수량에 미치는 영향을 분석하였습니다. 결과에 따르면 유로 직경이 40 mm를 초과할 때 잔류 수량이 현저히 감소하였으며, 유로 돌출 높이를 낮추고 주형 바닥 계단 높이를 높이는 것이 잔류 수량을 크게 줄였습니다. 유로 돌출 높이가 26 mm를 초과하면 잔류 수량이 20 L 이상이 되었고, 계단 높이가 11 mm를 초과하고 유로 돌출 높이가 11 mm 미만일 경우 잔류 수량은 10 L 이하로 감소하였습니다. 계단과 유로 거리 증가에 따라 잔류 수량은 먼저 감소하다가 100 mm 이상에서 안정화되었습니다. 본 연구 결과는 제철 기업이 강주조로 구조를 최적화하고 용강 낭비를 줄이는 데 중요한 참고자료로 실질적인 지침이 됩니다.

강주조로 하부 흐름; 머신러닝; 강주조로 바닥 구조; XGBoost; 회귀 예측