-
题名CNN-GRU模型预测高炉煤气产生量
被引量:5
- 1
-
-
作者
李志刚
张鑫
-
机构
华北理工大学信息工程学院
华北理工大学电气工程学院
-
出处
《机械设计与制造》
北大核心
2022年第4期69-72,76,共5页
-
基金
河北省自然科学基金资助项目(F2016209165)。
-
文摘
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
-
Keywords
Blast Furnace Gas Prediction
Data Mining
Convolution Neural Network
Time Series
GRU
Recurrent Neural Network
-
分类号
TH16
[机械工程—机械制造及自动化]
TP391
[自动化与计算机技术—计算机应用技术]
-