Position: Home > Articles > Temperature Prediction Method of Sulfonation Reactor Based on LSTM
Forestry Science and Technology Information
2022,54
(3)
185-189
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
单 位：
中国电子科技集团公司第四十九研究所;临沭县工业和信息化局;东北林业大学信息与计算机工程学院
关键词：
磺化反应釜;LSTM;预测;神经网络
摘 要：
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.
译 名：
Temperature Prediction Method of Sulfonation Reactor Based on LSTM
导出引用
计量
文章访问数: 9
HTML全文浏览量: 0
PDF下载量: 0
所属期刊
