基于A-LSTM算法的烧结矿质量预测

• 作者: 孙立辉 武晓婧
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 烧结矿质量预测 长短神经网络 注意力机制
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 人工智能
• 页码范围: 11-16
• 页数: 6页
• 分类号: TP306
• 语种: 中文
• DOI: 10.11907/rjdk.201107

摘要

针对烧结厂烧结杯实验周期长等问题,构建一种A-LSTM的烧结矿质量预测模型.在LSTM网络基础上借鉴注意力机制思想,通过权重再分配使网络更加关注训练过程中的非冗余数据.为减少损失函数在训练过程中的震荡,提出加权均方误差损失计算方式,考虑每轮输入数据缺失值占总体的比重,使模型预测更为准确.实验结果表明,A-LSTM预测方法准确率可达92.7％,相比于原始LSTM,预测准确率提升了1.9％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙立辉		27	111	6.0	9.0
2	武晓婧		3	0	0.0	0.0