首页|LSTM-RNN在连铸下渣预测系统中的应用

LSTM-RNN在连铸下渣预测系统中的应用

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对钢包连铸过程中需要精确控制下渣时刻的问题,提出一种基于局部加权回归和长短时记忆(LSTM)神经网络模型的连铸下渣预测系统.该系统对下渣过程中采集到的信号进行处理和识别,可准确预测下渣时刻.结合某钢厂的实际生产情况,在采集到的大量钢包下渣相关参数中,提取主要特征;使用局部加权回归对数据进行过滤处理,再结合LSTM建立下渣预测模型;给出LSTM模型与ARIMA模型、RNN模型的预测结果比较.研究结果表明,长短时记忆神经网络模型的预测误差小,预测准确度较高,具有广泛的应用前景.
Application of LSTM-RNN in Continuous Casting Slag Prediction System

李福进、刘尚瑜、史涛

展开 >

华北理工大学电气工程学院,河北唐山 063210

钢包下渣 递归神经网络 长短时记忆 局部加权回归 时间序列预测

河北省自然科学基金

F2018209289

2022

机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
年,卷(期)：2022.371(1)
  • 1
  • 7