典型文献
基于卷积神经网络与长短期记忆网络的多规格带钢精轧电耗分析预测
文献摘要：
能耗数据预报在工业过程中发挥重要作用,产线级的电耗精准预报更是钢铁智能制造背景下的节能降耗热点.针对带钢热轧精轧控制段的多规格轧件电耗预测问题,首先通过皮尔逊(Pearson)相关性分析筛选出影响精轧电耗的主要因素,节约计算时间,然后充分发挥卷积神经网络(convolutional neural network,CNN)与长短期记忆网络(long short-term memory,LSTM)分别在特征提取与数据预测方面的优势,提出了一种基于CNN-LSTM混合神经网络的精轧电耗预测模型并进一步优化.通过利用预处理后的厂级实时数据进行算法验证,均方误差能控制在0.8％以内,表明该方法能对产线级多规格轧件精轧电耗准确预报.
文献关键词：
轧制电耗;Pearson相关性分析;CNN-LSTM混合网络;多规格轧件;准确预报
中图分类号：
作者姓名：
肖世钊;刘天恒;张飞;肖雄;宗胜悦;刘恒文
作者机构：
福建三宝钢铁有限公司设备部,福建漳州363004;北京科技大学工程技术研究院,北京102206;北京科技大学设计研究院有限公司,北京102206
文献出处：
引用格式：
[1]肖世钊;刘天恒;张飞;肖雄;宗胜悦;刘恒文-.基于卷积神经网络与长短期记忆网络的多规格带钢精轧电耗分析预测)[J].冶金自动化,2022(01):25-33
A类：
多规格轧件,轧制电耗
B类：
卷积神经网络与长短期记忆,长短期记忆网络,带钢精轧,分析预测,能耗数据,工业过程,钢铁,节能降耗,耗热,热轧,电耗预测,皮尔逊,约计,计算时间,convolutional,neural,network,long,short,term,memory,数据预测,混合神经网络,厂级,实时数据,算法验证,均方误差,准确预报,混合网络
AB值：
0.296819
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
