Indexed by：
Abstract：
水泥生产过程中,分解炉出口温度是非常重要的工艺参数,为了应对出口温度变量的多样性,文章提出一种核主成分分析(kernel principal component analysis,KPCA)与双向长短期记忆(bidirectional long short-term memory,BiLSTM)神经网络相结合的温度预测组合模型用来预测分解炉的出口温度.通过KPCA筛选出影响因素的主成分从而达到数据降维目的,将降维后的主成分作为BiLSTM神经网络的输入,分解炉出口温度作为BiLSTM神经网络的输出.经BiLSTM神经网络训练,得到分解炉出口温度预测模型.通过对比验证表明,使用KPCA-BiLSTM相结合的温度预测模型具有较好的预测精度.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
合肥工业大学学报（自然科学版）
ISSN： 1003-5060
CN： 34-1083/N
Year： 2023
Issue： 2
Volume： 46
Page： 169-174
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 4
Affiliated Colleges：
