面向鋁工業(yè)基于PSO+LSTM的電解槽氧化鋁濃度預測研究

摘要： 針對氧化鋁濃度在高溫、強腐蝕、強磁場的環(huán)境中無法實時在線測量及測量精度不高的問題，提出基于PSO(粒子群算法)優(yōu)化LSTM(長短期記憶神經(jīng)網(wǎng)絡(luò))的電解槽氧化鋁濃度預測方法。首先，根據(jù)鋁電解生產(chǎn)的相關(guān)知識，確定影響氧化鋁濃度的相關(guān)參數(shù)；然后，結(jié)合基于PSO(粒子群算法)優(yōu)化LSTM(長短期記憶神經(jīng)網(wǎng)絡(luò))模型對氧化鋁濃度進行預測；最后，通過某鋁廠實際生產(chǎn)數(shù)據(jù)對模型進行驗證。與現(xiàn)有方...