基于LSTM-RNN模型的铁水硅含量预测

• 作者: 刘文辉 周恒 李宇轩 李泽龙 杨春节
• 来源期刊: 化工学报
• 关键词: 预测 动态建模 神经网络 高炉炼铁 硅含量
• 年，卷（期）: 2018,（3）
• 页码范围: 992-997
• 页数: 6页
• 分类号: TQ028.8
• 语种: 中文
• DOI: 10.11949/j.issn.0438-1157.20171534

摘要

针对高炉炼铁是一个动态过程,具有大延迟,工况复杂的特性.采用LSTM-RNN模型进行硅含量预测,充分发挥了其处理时间序列时挖掘前后关联信息的优势.首先根据时间序列趋势及相关系数选择自变量,并采用复杂工况的实际生产数据进行验证.然后用程序自动求解最优参数进行硅含量预测.最后将LSTM-RNN模型与PLS模型及RNN模型的结果进行对比,验证该方法的优势.研究发现LSTM-RNN模型预测误差稳定,预测精度较高,比传统的统计学及神经网络方法取得了更好的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨春节	浙江大学控制科学与工程学院	53	865	13.0	28.0
2	刘文辉	浙江大学控制科学与工程学院	2	34	2.0	2.0
3	周恒	浙江大学控制科学与工程学院	2	25	2.0	2.0
4	李泽龙	浙江大学控制科学与工程学院	1	21	1.0	1.0
5	李宇轩	浙江大学控制科学与工程学院	1	21	1.0	1.0