基于Transformer的出铝量决策算法研究与应用

在传统电解铝工业生产中,铝电解槽的生产决策通常根据工艺技术人员多年的经验制定,其中出铝量是一个具有强耦合性的重要决策变量,其决策的好坏对电解槽的生产稳定性和产铝效率具有直接且重要的影响。本文提出了一种可深度挖掘数据频率特征和特征筛选的Transformer架构模型FDisformer,优化了传统的Transformer的encode编码层,进而挖掘数据趋势变化和更深层次的特征信息,同时引入了特征蒸馏模块,确保筛选出与出铝量决策这一任务强相关的特征。FDisformer在出铝量决策方面具有更高的性能指标,该模型的建立可以为后续的铝电解槽出铝量每日决策提供参考依据。