基于LSTM神经网络的干燥含水量预测研究

• 作者: 汪洁 张婷暄 张君健 孙怀宇 沈阳化工大学化学工程学院
• 来源期刊: 辽宁化工
• 关键词: PVC干燥 时间序列 长短期记忆网络
• 年，卷（期）: 2024,（12）
• 所属期刊栏目: 科学研究
• 页码范围: 14-18
• 页数: 5页
• 语种: 中文
• DOI: 10.14029/j.cnki.issn1004-0935.2023.12.002

摘要

在PVC干燥中，产品的含水量受到温度、流量等多个参数的影响，鉴于参数数据之间的非线性以及序列间的相关性，传统的时间序列方法和传统的机器学习算法已经不能对未来干燥产品的含水量进行精确的预测。长短期记忆网络（LSTM）作为一种基于深度学习中的循环神经网络（RNN），它在RNN的基础上增加了输入门、输出门以及遗忘门，可以有效地处理RNN在运行大量数据时可能会带来的数据遗忘等问题，特别适合处理具有时间序列的数据。基于Pytorch深度学习框架构造长短期记忆网络模型，对产品含水量进行预测。结果表明：使用该模型对产品的含水量进行预测，其预测值和真实值的走向非常接近，精准度很高。