基于KNN-LSTM神经网络模型的炉温预测

作者: 骆文辉

基于KNN-LSTM神经网络模型的炉温预测0

摘要:以产线传感器回传数据为基础,根据时间序列对历史数据趋势高度依赖的特点,考虑时间节点之间的相关性,通过Gaussian_KNN(高斯加权的K最邻近法)对回转窑分解炉温度上下游参数的历史数据进行赋权,再传入含有LSTM(长短期记忆神经网络)的Sequential模型中,学习历史数据中各节点储存的信息以及节点之间的相关性,结果显示相对准确地预测了回转窑的温度,为水泥回转窑控制系统精准控制提供了依据。

关键词: 回转窑; 炉温; KNN-LSTM(K-NearestNeighbor Long Short–Term Memory) ; 神经网络模型;预测

中图分类号:TP183 文献标识码:A文章编号:1009-3044(2023)18-0026-04

上一篇 点击页面呼出菜单 下一篇