摘要：针对在小样本数据情况下训练的连铸漏钢预报模型难以获得较高预报准确率的问题,提出了一种基于主动学习遗传算法支持向量机（GA-SVM）分类器的漏钢预报算法。该算法首先将采集到的连铸结晶器坯壳温度数据进行预处理,并将有效数据进行标注;然后利用标注后的小样本数据和遗传算法来优化SVM的经验参数,训练并得到支持向量机模型;最后利用某钢厂采集到的连铸结晶器坯壳温度数据进行测试。测试结果表明,在利用小样本数据进行训练的情况下,所提出的基于主动学习GASVM分类器的连铸漏钢预报算法具有较高的漏钢预报率（预报精度）和100%的漏钢报出率,验证了所提漏钢预报算法的有效性。

关键词：漏钢预报 主动学习 小样本数据 

单位：燕山大学工业计算机控制工程河北省重点实验室; 秦皇岛066004; 国家冷轧板带装备及工艺工程技术研究中心; 秦皇岛066004; 清华大学天津高端装备研究院; 天津300300