基于非负绞杀与长短期记忆神经网络的动态软测量算法
孙凯1
隋璘1
张芳芳1
杨根科2
1.齐鲁工业大学(山东省科学院)电气工程与自动化学院,山东济南2503532.上海交通大学自动化系,上海200240;上海交通大学宁波人工智能研究院,浙江宁波315000
摘要：现代工业过程建模中,生产过程的多变量、非线性及动态性会导致模型复杂度增高且建模精度降低.针对这一问题,将非负绞杀算法(NNG)嵌入长短期记忆(LSTM)神经网络,提出一种基于LSTM神经网络及其输入变量选择的动态软测量算法.首先,通过参数优化生成训练好的LSTM神经网络,利用其出色的历史信息记忆能力处理工业过程中的动态、时滞等问题;其次,采用NNG算法对LSTM网络输入权重进行压缩,剔除冗余变量,提高模型精度,并采用网格搜索法与分块交叉验证对其超参数寻优;最后,将算法应用于某火电厂脱硫过程排放烟气SO2浓度软测量建模,并与其它先进算法进行性能比较.实验结果表明所提算法能有效剔除冗余变量,降低模型复杂度并提高其预测性能.
关键词：神经网络软测量长短期记忆动态建模变量选择模型简化
资助基金：山东省自然科学基金(ZR2021MF022)国家重点研发计划(2019YFB1705702)国家重点研发计划(2020YFB1711204)山东省重点研发计划项目(2019GGX104037)
论文发表日期：2023-01-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：11( 83-93 )
英文信息