基于深度学习的氟化铝添加量和出铝量预测

发布时间：2022-04-23 16:01

　　本文利用数据挖掘技术,针对铝电解生产过程提出了一种对氟化铝日添加量和日出铝量进行预测的算法。通过搭建LSTM神经网络,将经由随机森林算法选取的强特征子集当日数据作为网络的输入,氟化铝添加量和出铝量第二日数据作为输出进行训练和测试,最后对连续10天的数据进行预测验证,得到氟化铝日添加量和日出铝量的平均绝对误差分别为1.32和25.21,能够满足工业生产要求。 

【文章页数】：3 页

【文章目录】：
1 特征处理
    1.1 数据分析与清洗
    1.2 数据规一化处理
    1.3 随机森林做特征选择
    1.4 特征选择算法设计及结果分析
2 LSTM神经网络预测
    2.1 LSTM神经网络算法介绍
    2.2 LSTM神经网络建模
    2.3 LSTM神经网络训练、预测及验证步骤
3 训练和预测结果分析
4 结语


【参考文献】：
期刊论文
[1]浅谈铝电解铝水高度和出铝量管理[J]. 李登峰.  轻金属. 2013(08)
[2]铝电解生产过程中氟化铝添加控制策略探析[J]. 张兴彤,刘升,黄胜.  轻金属. 2011(02)
[3]铝电解过程氟化铝添加量和出铝量的模糊决策[J]. 曾水平,李晋宏,任必军.  冶金自动化. 2008(01)

博士论文
[1]基于铝电解槽热平衡分析的氟化铝添加量控制策略研究[D]. 黄涌波.中南大学 2008



本文编号：3647514