基于LSTM的磺化反应釜温度预测方法

编号 zgly0001745751

文献类型 期刊论文

文献题名 基于LSTM的磺化反应釜温度预测方法

作者 岳宏  张晓航  赵康军  徐凯宏 

作者单位 中国电子科技集团公司第四十九研究所  东北林业大学信息与计算机工程学院  临沭县工业和信息化局 

母体文献 林业科技情报 

年卷期 2022,54(3)

页码 185-189

年份 2022 

分类号 TQ20 

关键词 磺化反应釜  LSTM  预测  神经网络 

文摘内容 针对化学反应釜的温度控制系统具有非线性、滞后性等特性,为了确保磺化反应釜内生产环境的安全稳定,提出一种基于长短期记忆(Long Short-Term Memory,LSTM)循环神经网络的磺化反应釜温度预测方法。将全球地表温度历史数据作为磺化反应釜模拟温度输入至LSTM循环神经网络中进行训练,得到温度预测模型;最后通过与循环神经网络(Recurrent Neural Network,RNN)对比试验,该文所提预测方法各项指标均优,均方误差(Mean Square Error,MSE)为0.16024,均方根误差(Root Mean Square Error,RMSE)为0.39882,平均绝对误差(Mean Absolute Error,MAE)为0.31236,对磺化反应釜温度的预测准确度更高,可有效对磺化反应釜温度进行实时预测。