摘要：熱軋生產(chǎn)過程實測數(shù)據(jù)具有噪音大、信噪比低等特點,運用合適的方法對異常數(shù)據(jù)進行清洗將有助于提高鋼材力學(xué)性能預(yù)報模型的精度?；趲т摕徇B軋過程數(shù)據(jù)的分布特點,采用孤立森林算法對熱軋過程異常數(shù)據(jù)進行清洗,提高了性能預(yù)報模型的預(yù)測精度。首先,基于收集到的大量熱軋微合金鋼生產(chǎn)過程數(shù)據(jù),采用孤立森林算法計算原始數(shù)據(jù)集中每條數(shù)據(jù)記錄的異常分值;接著結(jié)合異常分值排序與力學(xué)性能建模實驗,確定異常數(shù)據(jù)記錄的個數(shù);最后,基于清洗后的數(shù)據(jù)集合,運用融合數(shù)據(jù)與機理的建模方法建立力學(xué)性能預(yù)報模型,并對抗拉強度和屈服強度進行預(yù)測。預(yù)測實踐表明,抗拉強度和屈服強度預(yù)報的平均絕對百分誤差分別為2.50%和3.42%,且分別有93.13%和86.30%的數(shù)據(jù)預(yù)測值和實測值絕對誤差在±6%之內(nèi);采用孤立森林算法對熱軋生產(chǎn)過程異常數(shù)據(jù)進行清洗,可顯著提高熱軋帶鋼力學(xué)性能預(yù)報模型的精度。