基于关联变量时滞分析卷积神经网络的生产过程时间序列预测方法

• 作者: 刘振娟 张浩 李宏光 杨博 路洁
• 来源期刊: 化工学报
• 关键词: 神经网络 预测 关联变量 时滞系统 反应精馏
• 年，卷（期）: 2017,（9）
• 所属期刊栏目: 过程系统工程
• 页码范围: 3501-3510
• 页数: 10页
• 分类号: TP183
• 语种: 中文
• DOI: 10.11949/j.issn.0438-1157.20170197

摘要

生产过程通常具有大时滞、非线性、多变量耦合等特点,往往难以建立准确的时间序列预测模型.基于生产过程历史数据,提出了一种采用关联变量时滞分析卷积神经网络(CNN)的生产过程时间序列预测方法,首先选取合适的关联变量并对关联变量与输出进行时滞分析,然后利用时滞分析结果确定关联变量时间窗的大小,最后建立合适的CNN模型对时间序列进行预测.某反应精馏过程实验表明,此方法对于大时滞系统的长步长时间序列预测具有较好的准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李宏光	北京化工大学信息科学与技术学院	108	613	12.0	17.0
2	刘振娟	北京化工大学信息科学与技术学院	28	195	8.0	13.0
3	张浩	北京化工大学信息科学与技术学院	10	33	4.0	5.0
4	杨博	北京化工大学信息科学与技术学院	8	16	2.0	4.0
5	路洁		1	10	1.0	1.0