首页|基于改进WOA-LSTM的焦炭质量预测

基于改进WOA-LSTM的焦炭质量预测

Prediction of coke quality based on improved WOA-LSTM

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
"双碳"背景下,提升焦炭质量是保证钢铁行业高质量发展的研究重点之一,而炼焦行业存在着在线实时监测难、焦炭质量预测模型泛化能力差等问题.为此,提出一种通过自适应全局搜索算法,即改进鲸鱼优化算法(WOA)与长短期记忆(LSTM)循环神经网络综合建模的方法来解决这一问题.首先选取出配合煤中可反映焦炭质量的可测参数,再运用主成分分析(PCA)去除变异性小的冗余因子后,得到预测因子,将其作为LSTM网络的外部输入;通过加入自适应惯性权重以及最佳扰动更新改进WOA,从而训练LSTM网络的超参数,采用均方根误差(RMSE)和R-squared进行算法检验;最后将改进后的AGWOA-LSTM模型与典型的LSTM、WOA-LSTM模型进行对比,以验证本方法的优越性.结果表明AGWOA-LSTM模型预测焦炭质量具有精度高、运行速度快等特点.研究对焦炭生产具有一定的理论指导意义.

刘立邦、杨颂、王志坚、贺欣欣、赵文磊、刘守军、杜文广、米杰

展开 >

太原理工大学化学工程与技术学院,山西太原030024

太原理工大学省部共建煤基能源清洁高效利用国家重点实验室,山西太原030024

山西省民用洁净燃料工程研究中心,山西太原030024

中北大学机械工程学院,山西太原030051

展开 >

鲸鱼优化算法 焦炭质量 预测模型 神经网络 主元分析

国家自然科学基金山西省高等学校科技创新项目

519054962019L0313

2022

10.11949/0438-1157.20211351

化工学报
中国化工学会 化学工业出版社

化工学报

CSTPCDCSCD北大核心
影响因子：1.26
ISSN：0438-1157
年,卷(期)：2022.73(3)
  • 12
  • 12