針對(duì)燒結(jié)廠燒結(jié)杯實(shí)驗(yàn)周期長(zhǎng)等問題,構(gòu)建一種A-LSTM的燒結(jié)礦質(zhì)量預(yù)測(cè)模型。在LSTM網(wǎng)絡(luò)基礎(chǔ)上借鑒注意力機(jī)制思想,通過權(quán)重再分配使網(wǎng)絡(luò)更加關(guān)注訓(xùn)練過程中的非冗余數(shù)據(jù)。為減少損失函數(shù)在訓(xùn)練過程中的震蕩,提出加權(quán)均方誤差損失計(jì)算方式,考慮每輪輸入數(shù)據(jù)缺失值占總體的比重,使模型預(yù)測(cè)更為準(zhǔn)確。實(shí)驗(yàn)結(jié)果表明,A-LSTM預(yù)測(cè)方法準(zhǔn)確率可達(dá)92.7%,相比于原始LSTM,預(yù)測(cè)準(zhǔn)確率提升了1.9%。

【文章頁數(shù)】：6 頁

【部分圖文】：

圖8FeO含量預(yù)測(cè)與部分淺層網(wǎng)絡(luò)對(duì)比

圖7CaO含量預(yù)測(cè)與部分深層網(wǎng)絡(luò)對(duì)比圖9FeO含量預(yù)測(cè)與部分深層網(wǎng)絡(luò)對(duì)比

圖9FeO含量預(yù)測(cè)與部分深層網(wǎng)絡(luò)對(duì)比

圖8FeO含量預(yù)測(cè)與部分淺層網(wǎng)絡(luò)對(duì)比從可視化曲線可以看出，A-LSTM燒結(jié)礦質(zhì)量預(yù)測(cè)方法與LSTM、BP、Elman、DBN等相比，預(yù)測(cè)結(jié)果相對(duì)誤差較低。本文融合不同粒度特征建立基于注意力機(jī)制的LSTM(A-LSTM）燒結(jié)礦質(zhì)量預(yù)測(cè)方法，在RMSE與R2兩個(gè)指標(biāo)上表現(xiàn)良好。對(duì)....

圖5SiO2含量預(yù)測(cè)與部分深層網(wǎng)絡(luò)對(duì)比

圖4SiO2含量預(yù)測(cè)與部分淺層網(wǎng)絡(luò)對(duì)比圖6CaO含量預(yù)測(cè)與部分淺層網(wǎng)絡(luò)對(duì)比

圖6CaO含量預(yù)測(cè)與部分淺層網(wǎng)絡(luò)對(duì)比

圖5SiO2含量預(yù)測(cè)與部分深層網(wǎng)絡(luò)對(duì)比圖7CaO含量預(yù)測(cè)與部分深層網(wǎng)絡(luò)對(duì)比

本文編號(hào)：3969091