弹性网下基于LSTM的分解炉出口温度预测

作者：于广宇; 董学平; 王祥民; 甘敏

来源：系统仿真学报, 2021, 33(05): 1078-1085.

DOI：10.16182/j.issn1004731x.joss.20-0012

• 分解炉出口温度
• 弹性网
• 长短时记忆神经网络
• 变量筛选

分解炉出口温度是水泥生产过程中的关键指标。针对传统预测方法只考虑风、煤、料影响的问题,提出一种弹性网(ElasticNet)结合长短时记忆(Long Short-Term Memory,LSTM)神经网络的温度预测模型。利用弹性网方法对不同变量进行参数估计,充分考虑影响因素并实现变量筛选,同时分析隐含层和节点数对神经网络精确度的影响,构建ElasticNet-LSTM出口温度预测模型。仿真结果表明:所提出的方法优于LSTM, LASSO(Least Absolute Shrinkage and Selection Operator)-LSTM,BP神经网络和RBF神经网络方法,具有较高的预测精度。

• 单位
  合肥工业大学