基于LSTM的多因素石灰窑煅烧带温度预测研究

针对石灰窑煅烧过程易出现燃烧不平衡的问题以及石灰窑煅烧系统的滞后性,提出了大数据分析+神经网络的解决方案。利用大数据分析对石灰窑多源历史数据进行数据融合插补,采用多元线性回归方程分析空间因素对温度的影响,通过时间滑窗提取特征,在此基础上利用长短期记忆神经网络(LSTM)算法构建多因素模型,并采用自适应运动估计算法进行优化。实验结果表明:较单因素LSTM模型,多因素LSTM模型有效提高了石灰窑温度预测精度,现场可根据预测值提前调整工艺参数,实现了石灰窑局部温度预测。