本文利用數(shù)據(jù)挖掘技術,針對鋁電解生產(chǎn)過程提出了一種對氟化鋁日添加量和日出鋁量進行預測的算法。通過搭建LSTM神經(jīng)網(wǎng)絡,將經(jīng)由隨機森林算法選取的強特征子集當日數(shù)據(jù)作為網(wǎng)絡的輸入,氟化鋁添加量和出鋁量第二日數(shù)據(jù)作為輸出進行訓練和測試,最后對連續(xù)10天的數(shù)據(jù)進行預測驗證,得到氟化鋁日添加量和日出鋁量的平均絕對誤差分別為1.32和25.21,能夠滿足工業(yè)生產(chǎn)要求。 

【文章頁數(shù)】：3 頁

【文章目錄】：
1 特征處理
    1.1 數(shù)據(jù)分析與清洗
    1.2 數(shù)據(jù)規(guī)一化處理
    1.3 隨機森林做特征選擇
    1.4 特征選擇算法設計及結果分析
2 LSTM神經(jīng)網(wǎng)絡預測
    2.1 LSTM神經(jīng)網(wǎng)絡算法介紹
    2.2 LSTM神經(jīng)網(wǎng)絡建模
    2.3 LSTM神經(jīng)網(wǎng)絡訓練、預測及驗證步驟
3 訓練和預測結果分析
4 結語


【參考文獻】：
期刊論文
[1]淺談鋁電解鋁水高度和出鋁量管理[J]. 李登峰.  輕金屬. 2013(08)
[2]鋁電解生產(chǎn)過程中氟化鋁添加控制策略探析[J]. 張興彤,劉升,黃勝.  輕金屬. 2011(02)
[3]鋁電解過程氟化鋁添加量和出鋁量的模糊決策[J]. 曾水平,李晉宏,任必軍.  冶金自動化. 2008(01)

博士論文
[1]基于鋁電解槽熱平衡分析的氟化鋁添加量控制策略研究[D]. 黃涌波.中南大學 2008



本文編號：3647514