龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：湘潭大学
摘要：本发明提供了一种工业循环水系统温度预测方法，步骤包括：首先，获取高炉系统及循环水系统的温度、流量、压力等原始数据，并进行预处理；采用基于模糊不一致性度量的特征约简方法衡量特征重要性，剔除冗余特征，获得关键特征子集；将数据分为训练集、验证集和测试集，使用双向长短期记忆神经网络模型进行训练和评估；利用验证集进行预测，计算残差序列；采用注意力机制在局部和全局维度对特征加权，增强不同时间步的差异性；然后使用自回归综合移动平均模型修正残差，并与预测值整合，得到最终预测结果；基于此建立综合模型，使用测试集评估预测性能。该方法能够准确预测回水温度，提高系统效率与节能效果。
主权项：1.一种工业循环水系统温度预测方法，其特征在于，所述方法包括：S1：获取循环水系统以及高炉系统原始运行数据，收集与温度变化密切相关的多种运行参数，包括但不限于流量、压力、环境温度等，确保数据的全面性和准确性；S2：对获取的原始数据进行数据清洗和预处理，去除异常值和缺失值，并进行标准化处理，得到干净、标准化的温度预测时间数据集，以确保模型训练的有效性；S3：采用基于模糊不一致性度量的深度学习特征约简方法对模型进行冗余变量的约简。对深度学习特征的重要性进行衡量，剔除部分冗余特征，以获得关键深度学习特征子集。S4：将处理后的温度预测时间数据集输入到双向长短期记忆神经网络模型中进行训练和验证。双向长短期记忆神经网络模型能够从时间序列数据中提取双向的长时间依赖特征，从而提高模型的预测性能；S5：在双向长短期记忆神经网络模型中引入注意力机制，通过局部注意力机制和全局注意力机制两个模块增强模型对长时间依赖关系的捕捉能力，从而使模型能够更好地关注重要特征，提高预测准确性；S6：将双向长短期记忆神经网络模型的预测结果与实际数据进行对比，计算预测残差。然后采用自回归综合移动平均模型对残差序列进行修正，进一步提高预测的精度和可靠性；S7：根据训练和修正后的结果，建立最终的循环水系统温度预测模型，并对，模型进行预测和评估。该模型能够准确预测工业循环水系统的温度变化，为系统运行和维护提供科学的决策依据，确保系统的高效稳定运行。
全文数据：
权利要求：
百度查询： 湘潭大学 基于BiLSTM-ARIMA-Attention的工业循环水系统温度预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号