典型文献
基于长短期记忆的煤炭含水率智能预测与实验研究
文献摘要：
考虑影响煤炭含水率变化的温度、湿度和风力等主要天气因素,以神华黄骅港为例,研究港口煤垛堆场的煤炭含水率预测方法.该方法首先基于长短期记忆(Long Short-Term Memory,LSTM)神经网络建立煤炭含水率预测模型,然后通过对采集到的港口实时天气数据和煤堆不同煤种的含水率数据融合处理,使用LSTM网络对训练数据集进行训练,并用来测试数据集,最后确定煤炭含水率预测模型,从而实现对堆场的智能洒水.研究结果表明,该模型对煤港堆场含水率预测的准确率在85％以上,据此模型建立智能洒水策略,能有效抑制煤堆起尘.上述方法对节约港口用水和减少污水量,以及对煤炭绿色开采和绿色生态港口建设具有参考价值.
文献关键词：
煤炭含水率预测;煤堆抑尘;智能洒水;长短期记忆神经网络;数据融合
中图分类号：
作者姓名：
李娜;刘强;张淼;张崇进;张帆;李昊
作者机构：
国能黄骅港务有限责任公司,河北沧州061000;中国矿业大学(北京) 机电与信息工程学院,北京100083;中国矿业大学(北京) 智慧矿山与机器人研究院,北京100083
文献出处：
引用格式：
[1]李娜;刘强;张淼;张崇进;张帆;李昊-.基于长短期记忆的煤炭含水率智能预测与实验研究)[J].实验室研究与探索,2022(04):35-39,56
A类：
煤炭含水率预测,智能洒水,煤堆抑尘
B类：
智能预测,风力,天气因素,神华,黄骅港,堆场,Long,Short,Term,Memory,口实,气数,煤种,数据融合处理,训练数据集,测试数据,堆起,污水量,绿色开采,绿色生态,生态港口,港口建设,长短期记忆神经网络
AB值：
0.248385
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。
