基于EMD-LSTM的冷轧煤气消耗量预测模型仿真

摘要：

针对煤气消耗数据量大,而传统机器学习模型在处理大数据时准确度不高,且数据在时间上有一定规律可循的特点,利用长短时记忆神经网络(LSTM)独特的记忆能力对煤气进行预测.为提高LSTM预测模型精度,使用经验模态分解(EMD)算法将煤气消耗数据分解为若干个相对平稳的固有模态函数和一个残差项r(t),提出基于EMD-LSTM算法的组合煤气预测模型.结果表明:与BP、EMD-BP、LSTM模型相比,该方法能够准确预测煤气消耗量,为企业节约成本和调度人员进行煤气分配提供参考.

关键词：煤气预测、经验模态分解、长短时记忆神经网络、机器学习

所属期刊栏目：50

分类号：TP391.9(计算技术、计算机技术)

资助基金：河北省自然科学基金;河北省自然科学基金青年科学基金项目

在线出版日期：2022-09-16（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：141-145