科研之友
微信
新浪微博
Facebook
分享链接
摘要
本发明涉及辊道窑冶炼技术领域,尤其涉及一种基于KPCA-GWO-GRU的陶瓷辊道窑温度预测方法,包括对陶瓷辊道窑烧成带温度的历史数据集进行预处理,采用KPCA算法进行特征选择,随机划分为训练数据集与测试数据集,并设置成滑动时间窗口的格式；构建初始的GRU预测模型；随机初始化超参数,采用训练集对初始的GRU预测模型进行训练；采用GWO算法对训练后的GRU预测模型进行超参数寻优；采用测试集对最优条件下的GRU预测模型进行迭代测试；通过误差评价指标对N个测试结果和GRU预测模型进行评价,输出预测精准度最高的GRU预测模型。本发明利用具有强大的特征提取和非线性处理能力的深度学习技术,通过启发式算法对深度学习参数进行寻优,以更精确地对陶瓷辊道窑温度进行预测。
- 单位
