基于深度学习的氟化铝添加量和出铝量预测

来源期刊：世界有色金属2020年第22期

论文作者：常家玮 曾水平

文章页码：216 - 218

关键词：铝电解;LSTM神经网络;随机森林;氟化铝添加量;出铝量;

摘    要：本文利用数据挖掘技术,针对铝电解生产过程提出了一种对氟化铝日添加量和日出铝量进行预测的算法。通过搭建LSTM神经网络,将经由随机森林算法选取的强特征子集当日数据作为网络的输入,氟化铝添加量和出铝量第二日数据作为输出进行训练和测试,最后对连续10天的数据进行预测验证,得到氟化铝日添加量和日出铝量的平均绝对误差分别为1.32和25.21,能够满足工业生产要求。