首站-论文投稿智能助手
典型文献
基于EMD-LSTM的冷轧煤气消耗量预测模型仿真
文献摘要:
针对煤气消耗数据量大,而传统机器学习模型在处理大数据时准确度不高,且数据在时间上有一定规律可循的特点,利用长短时记忆神经网络(LSTM)独特的记忆能力对煤气进行预测.为提高LSTM预测模型精度,使用经验模态分解(EMD)算法将煤气消耗数据分解为若干个相对平稳的固有模态函数和一个残差项r(t),提出基于EMD-LSTM算法的组合煤气预测模型.结果表明:与BP、EMD-BP、LSTM模型相比,该方法能够准确预测煤气消耗量,为企业节约成本和调度人员进行煤气分配提供参考.
文献关键词:
煤气预测;经验模态分解;长短时记忆神经网络;机器学习
作者姓名:
翟慧;熊伟;李福进;杨杰
作者机构:
华北理工大学电气工程学院,河北唐山063210;唐山钢铁集团高强汽车板有限公司,河北唐山063026
文献出处:
引用格式:
[1]翟慧;熊伟;李福进;杨杰-.基于EMD-LSTM的冷轧煤气消耗量预测模型仿真)[J].机床与液压,2022(14):141-145
A类:
B类:
EMD,冷轧,煤气消耗量,模型仿真,数据量,机器学习模型,可循,长短时记忆神经网络,记忆能力,预测模型精度,使用经验,经验模态分解,数据分解,若干个,固有模态函数,煤气预测,准确预测,节约成本,调度人员,气分,配提
AB值:
0.264073
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。