基于多变量LSTM的工业传感器时序数据预测

摘要：

传感器时序数据预测作为工业自动化和智能化的关键过程,对于自动化生产监督、风险预防和技术改进等具有重要意义.考虑到传统基于统计学的时序分析方法通用性弱、普通循环神经网络模型存在长期依赖的不足,针对工业设备温度、压力和电流强度等时序数据预测问题,提出了一种基于多变量分析的长短时记忆神经网络时序预测方法,该方法利用数据的远距离信息和多变量相关性,有效地提高了工业传感器时序数据预测的准确性.实验选取瑞典某公司的机械装载传感器数据用于训练和测试,通过与单变量长短时记忆模型以及其它主流时序预测算法比较,证明了该方法具备较好的预测性能和通用性.

关键词：时间序列预测、长短时记忆神经网络、多变量分析

所属期刊栏目：8

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金青年基金项目61703092

在线出版日期：2018-08-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：13-16