基于E-LSTM循环神经网络的制冷设备状态预测

• 作者: 刘鹏宇 徐晨蕊 贾克斌
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 预测 深度学习 LSTM 制冷设备 智能化
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 先进算法与人工智能
• 页码范围: 40-45
• 页数: 6页
• 分类号: TP18
• 字数: 3942字
• 语种: 中文
• DOI: 10.19708/j.ckjs.2019.12.007

摘要

制冷设备是高可靠性和高安全性的复杂系统,多年的设备运行产生了大量的时间序列数据.为了解决制冷设备运行状态难以准确预测等问题,提出使用改进型LSTM(Enhanced-LSTM)对制冷设备的状态进行预测.通过使用均值滤波的方法对原始数据进行预处理,填补空缺值,处理异常值.对特征进行相关性分析,选择与制冷设备状态关联系数较大的特征:PUE、冷源功率、冷冻二次泵作为研究对象,实现基于E-LSTM的网络结构的设计、训练和预测,最后对预测结果进行比较分析.通过与线性回归、SVR、GRU、RNN、LSTM等模型的对比实验,表明了所改进的E-LSTM神经网络对制冷设备的运行状态有更高的预测精度.对制冷设备里的重要参数进行预测,在理论研究方面为制冷设备检修风险评估分析提供科学、真实、有效的数据,保证数据中心正常工作.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贾克斌	北京工业大学信息学部	119	1096	17.0	29.0
4	刘鹏宇	北京工业大学信息学部	18	98	4.0	9.0
13	徐晨蕊	北京工业大学信息学部	1	0	0.0	0.0