首页   冶金自动化杂志   新闻中心   自动化信息网   冶金计量协会   杂志广告   厂商信息   自动化论坛   计控自动化对标
期刊介绍
期刊荣誉
编委会
征稿启事
作者须知
文章模板
在线杂志
当前位置:冶金自动化杂志 ->  在线杂志
期刊年份   期号   关键字   
基于温度场主元分析的高炉炉况深度学习预测建模
文章作者:刘代飞等
出处: 冶金自动化2021年第3期
作者单位: 长沙理工大学能源与动力工程学院
参考文献:
关键词:高炉炉况;温度场;主元分析;深度学习;预测模型
摘要:开展高炉过程大数据的信息深度挖掘与建模是高炉信息化和智能化建设的重要内容。针对传统浅层神经网络在高炉炉况信息表征上的不足,以炉况温度场信息挖掘为中心,构建了以炉况状态参数为目标的逻辑模型,模型输入为温度场、操作参数和指标参数。利用主元分析对108维的温度场数据进行降维处理,以86%的信息提取度为准则,形成20维主元特征参数。实例化逻辑模型形成卷积神经网络(convolutional neural networks,CNN)、长短期记忆网络(long shortterm memory,LSTM)以及CNN与LSTM网络的混合模型CNNLSTM这3种模型。结果表明,CNNLSTM模型的效果最佳,预测结果的灰关联度达0.89。采用深度学习构建的炉况预测模型,有助于炉况大数据的信息解析。
正文:正文下载
版权所有 © 2006 《冶金自动化》编辑部 新鸿儒承制
地址:北京海淀区学院南路76号南院 电话:010-62181013 传真:010-62181013 E-mail:mia@yjzdh.com
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:010-62662699,E-mail:support@magtech.com.cn
冶金自动化研究设计院《冶金自动化》杂志社 京ICP备09114784号