基于ARIMA-LSTM组合模型的工业生产车间粉尘浓度预测

摘要：

在工业生产环境中,精确预测车间内的粉尘浓度对于确保工作场所的安全和产品质量至关重要,而该环境下单一的预测模型往往难以捕捉所有关键的数据特征.为了提高预测精度,该研究通过ARIMA模型提取数据的线性特征,使用LSTM模型拟合预测残差中的非线性特征,构建基于ARIMA-LSTM的组合预测模型.该模型采用均方误差(MSE)、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)作为评估指标.基于某厂生产车间的粉尘浓度时间序列数据进行实验评估,结果表明该模型的MSE、MAE和MAPE分别为0.74、0.66和3.29%,预测精度均优于单一的ARIMA模型,验证了模型的有效性和可靠性.

关键词：工业车间、粉尘浓度预测、ARIMA、LSTM、组合模型、时间序列

所属期刊栏目：20

分类号：TP399(计算技术、计算机技术)

资助基金：滁州市共性关键技术与创新应用研究科技计划项目2023CI001

在线出版日期：2024-08-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：9-13