CNN-GRU模型预测高炉煤气产生量 |
| |
引用本文: | 李志刚,张鑫.CNN-GRU模型预测高炉煤气产生量[J].机械设计与制造,2022,374(4):69-72+76. |
| |
作者姓名: | 李志刚 张鑫 |
| |
作者单位: | 华北理工大学信息工程学院,河北唐山 063210;华北理工大学电气工程学院,河北唐山 063210 |
| |
基金项目: | 河北省自然科学基金资助项目(F2016209165); |
| |
摘 要: | 为了更好的利用海量数据中蕴藏的隐藏规律,对数据更好的挖掘,提高对钢铁企业高炉煤气产生量的预测精度,针对钢铁企业实际生产作业所采集到的非平稳非线性的数据,这里提出一种将卷积神经网络(CNN)和门结构循环单元(GRU)网络相结合的预测模型。模仿词向量方法,将海量的时间信息、温度数据和压力数据等信息串联成一个向量作为输入,采用CNN对输入进行特征提取,将得到的特征向量构造为时间序列,并作为输入数据给GRU网络进行高炉煤气产生量预测。这里所提出的方法,对唐山某钢铁企业的实际生产中数据进行预测实验,结果表明,这里所提出的方法比传统的BP神经网络和LSTM网络预测模型具有更高的预测精度和更快的预测速度。
|
关 键 词: | 高炉煤气预测 数据挖掘 卷积神经网络 时间序列 门结构循环单元网络 循环神经网络 |
本文献已被 万方数据 等数据库收录! |
|