东北大学学报(自然科学版) ›› 2024, Vol. 45 ›› Issue (10): 1379-1385.DOI: 10.12068/j.issn.1005-3026.2024.10.002
• 信息与控制 • 上一篇
Meng-yuan LIU, Zhao-xia WU(), Jin-yang WANG, Guang-lei XIA
摘要:
烧结过程中烧结料层透气性对烧结矿的质量影响较大,因此需建立模型准确预测烧结料层透气性.由于传统编码-译码模型不能够满足时间序列的依赖关系,提出一种模型时序转换与长短期记忆网络(time?series transformer-long short?term memory,TST-LSTM)模型.此模型对变换神经网络模型的译码器部分进行处理,结合LSTM模型的优势,对烧结料层透气性进行了实时预测.最终用预测模型与传统的反向传播神经网络(back propagation neural network,BPNN)模型、支持向量回归(support vector regression,SVR)模型和长短期记忆(long short?term memory,LSTM)模型的仿真结果进行比较.结果表明,TST-LSTM模型预测性能较好且稳定.根据实际烧结过程进行仿真预测,验证了所提方法的有效性.
中图分类号: