基于多变量LSTM的工业传感器时序数据预测

• 作者: 易利容 杨青 殷丽丽 王绍宇 顾欣
• 来源期刊: 智能计算机与应用
• 学科: 工学
• 关键词: 时间序列预测 长短时记忆神经网络 多变量分析
• 年，卷（期）: 2018,（5）
• 页码范围: 13-16
• 页数: 4页
• 分类号: TP391.4
• 字数: 3014字
• 语种: 中文

摘要

传感器时序数据预测作为工业自动化和智能化的关键过程,对于自动化生产监督、风险预防和技术改进等具有重要意义.考虑到传统基于统计学的时序分析方法通用性弱、普通循环神经网络模型存在长期依赖的不足,针对工业设备温度、压力和电流强度等时序数据预测问题,提出了一种基于多变量分析的长短时记忆神经网络时序预测方法,该方法利用数据的远距离信息和多变量相关性,有效地提高了工业传感器时序数据预测的准确性.实验选取瑞典某公司的机械装载传感器数据用于训练和测试,通过与单变量长短时记忆模型以及其它主流时序预测算法比较,证明了该方法具备较好的预测性能和通用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王绍宇	东华大学计算机科学与技术学院	12	76	4.0	8.0
2	杨青	东华大学计算机科学与技术学院	19	60	4.0	7.0
3	殷丽丽	东华大学计算机科学与技术学院	2	25	2.0	2.0
4	易利容	东华大学计算机科学与技术学院	2	25	2.0	2.0
5	顾欣	东华大学计算机科学与技术学院	1	23	1.0	1.0