基于KNN-LSTM神经网络模型的炉温预测

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