基于LSTM的钢铁厂清循环系统浓缩倍数与腐蚀速率预测

• 作者: 张雯莹 代英宸 张云龙
• 来源期刊: 冶金动力
• 关键词: LSTM 浓缩倍数 腐蚀速率 预测
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 供排水|Water Supply
• 页码范围: 61-64
• 页数: 4页
• 分类号: TQ085
• 语种: 中文

摘要

浓缩倍数与腐蚀速率预测对于钢铁厂清循环系统具有重要意义.基于开源Python环境及Ten-sorflow框架建立了长短期记忆网络(LSTM)模型对浓缩倍数与腐蚀速率进行预测.经过参数优化与模型训练,LSTM神经网络模型对于清循环系统浓缩倍数与腐蚀速率都有较高的预测准确度,其中浓缩倍数预测的准确程度稍高于腐蚀速率.选取BP、RNN神经网络进行对比,LSTM模型应用于预测浓缩倍数与腐蚀速率之类具有一定的时序变化数据是三者中最优的模型.