混合LSTM与卷积神经网络的氧气提取率预测方法 |
| |
作者姓名: | 王曙燕 同艳丽 李冠雄 孙家泽 |
| |
作者单位: | 1. 西安邮电大学计算机学院;2. 开封迪尔空分实业有限公司 |
| |
基金项目: | 陕西省重点研发计划项目(2023-YBGY-410);陕西省重点研发计划项目(2023-YBGY-204); |
| |
摘 要: | 针对空分装置系统的运行参数量大、氧气提取率预测研究欠缺的问题,提出一种基于卷积神经网络(CNN)、长短期记忆网络(LSTM)以及混合LSTM和CNN的氧气提取率预测方法。将氧气提取率作为预测目标,基于卷积神经网络、LSTM、混合LSTM与卷积神经网络模型对其进行建模,并应用于空分装置系统运行采集的数据中。使用平均绝对百分比误差、均方根误差和平均绝对误差等指标来评价预测模型的精度,并使用模型训练时间以及模型收敛速度评估模型性能。实验结果表明,采用混合LSTM和卷积神经网络的氧气提取率预测方法的效果明显优于其他两种模型。
|
关 键 词: | LSTM 卷积神经网络 空分系统 氧气提取率 收敛速度 预测精度 |
|