La estructura del cubilote de acero afecta directamente la eficiencia, calidad y economía del proceso de fabricación de acero. Para optimizar aún más el diseño de la estructura del cubilote, con base en datos simulados de flujo de agua bajo el cubilote, se exploró en profundidad la eficacia de diferentes algoritmos de aprendizaje automático para predecir la cantidad restante de acero al inicio del vertido, y se llevó a cabo un análisis predictivo sobre el impacto de las variables estructurales en la base del cubilote sobre la cantidad restante de acero. En primer lugar, se utilizó la técnica SMOGN para realizar un sobremuestreo de los datos simulados del flujo de agua bajo el cubilote con el fin de equilibrar la distribución de datos y construir un conjunto de características de cantidad residual que incluye un conjunto de entrenamiento y uno de prueba. Sobre esta base, se probaron cinco modelos de aprendizaje automático: LASSO, SVR, ElasticNet, MLP y XGBoost para predecir la cantidad restante. Los resultados, evaluados por el coeficiente de determinación, error cuadrático medio y error absoluto medio, demostraron que el modelo XGBoost tiene el mejor rendimiento y es la primera opción para el modelo de predicción de cantidad de acero residual. Finalmente, se utilizó el modelo XGBoost para analizar el impacto de las variables estructurales en la base del cubilote, incluyendo el diámetro de la boca, la altura de la protuberancia de la boca, la altura del escalón en la base del cubilote y la distancia entre el escalón y la boca, sobre la cantidad restante de acero bajo el cubilote. Los resultados muestran que cuando el diámetro de la boca supera los 40 mm, la cantidad restante disminuye significativamente. Disminuir la altura de la protuberancia de la boca y aumentar la altura del escalón en la base del cubilote reduce significativamente la cantidad residual: cuando la altura de la protuberancia supera los 26 mm, la cantidad restante supera los 20 L; cuando la altura del escalón supera los 11 mm y la altura de la protuberancia es inferior a 11 mm, la cantidad restante disminuye a menos de 10 L. Cuando la distancia entre el escalón y la boca aumenta, la cantidad restante inicialmente disminuye y se estabiliza cuando la distancia supera los 100 mm. Los resultados del estudio proporcionan una referencia importante para las empresas siderúrgicas en la optimización de la estructura del cubilote y la reducción del desperdicio de acero, con un valor práctico significativo.

flujo bajo cubilote; aprendizaje automático; estructura de la base del cubilote; XGBoost; predicción de regresión