基于长短时记忆神经网络的带钢酸洗浓度预测

• 作者: 刘毅敏 王宁
• 来源期刊: 自动化与仪表
• 关键词: 浓度预测 带钢酸洗 深度学习 长短期记忆 神经网络
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 专题研究与综述
• 页码范围: 10-14
• 页数: 5页
• 分类号: TP391.4|TG156.6
• 语种: 中文
• DOI: 10.19557/j.cnki.1001-9944.2019.05.003

摘要

热轧带钢生产中一般通过酸洗来清除氧化铁皮.控制酸浓度在合理的范围内对于保证酸洗效果起着至关重要的作用,准确测量酸浓度才能更精准地对其进行控制.在机器学习、神经网络兴起的背景下,提出了基于长短时记忆(LSTM)神经网络的酸浓度预测方法.以某钢厂酸洗数据为对象,建立了LSTM酸浓度预测模型并对样本数据进行预测.试验结果表明,盐酸浓度、铁离子质量浓度的预测平均绝对误差分别为3.17g/L,3.52g/L,符合行业的误差规范要求;所提出的模型具备较高的预测精度,拥有较好的浓度预测性能,与传统统计模型相比,拥有更好的预测精度和更好的适用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘毅敏	武汉科技大学信息科学与工程系	26	118	6.0	9.0
2	王宁	武汉科技大学信息科学与工程系	5	25	2.0	5.0