典型文献
基于深度学习的铝电解槽阳极效应预测方法研究
文献摘要：
阳极效应在铝电解生产中最为频发,对其进行准确预测能够稳定电解铝生产,降低能耗,减少事故.本文从深度学习入手,提出一种基于堆叠降噪自动编码器和长短时记忆网络的预测模型,利用堆叠降噪自动编码器挖掘关键故障特征信息,同时利用长短时记忆网络实现故障诊断.本文通过采集某铝厂的历史生产数据对模型进行性能验证,结果表明,该模型预测准确率和F1分数分别为97.56％和0.968 6.对比分析BP神经网络、广义回归神经网络、LSTM和SDAE-RF,本文构建的SDAE-LSTM的模型表现最佳,能准确地对阳极效应进行预报,在铝电解实际生产中具有重要的指导意义.
文献关键词：
铝电解;深度学习;故障诊断;阳极效应;电解槽;模型;SDAE-LSTM
中图分类号：
作者姓名：
何文
作者机构：
眉山市博眉启明星铝业有限公司,四川眉山 620010
文献出处：
引用格式：
[1]何文-.基于深度学习的铝电解槽阳极效应预测方法研究)[J].中国有色冶金,2022(05):112-117
A类：
B类：
铝电解槽,阳极效应,铝电解生产,准确预测,电解铝生产,降低能耗,堆叠降噪自动编码器,长短时记忆网络,关键故障,故障特征,特征信息,铝厂,生产数据,性能验证,预测准确率,广义回归神经网络,SDAE,RF
AB值：
0.228025
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。
