[發(fā)明專利]一種基于LSTM-CNN和ICBAM長短期特征提取的鋁電解槽溫預(yù)測方法

在審

• 申請?zhí)枺?/td>: 202310369675.2
• 申請日: 2023-04-10
• 公開（公告）號: CN116307246A
• 公開（公告）日: 2023-06-23
• 發(fā)明（設(shè)計(jì)）人: 謝世文;謝永芳;朱燁;陳曉方
• 申請（專利權(quán)）人: 中南大學(xué)
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/04;G06F18/214;G06F18/2431;G06F18/25;G06N3/0442;G06N3/0464;G06N3/048;G06N3/08
• 代理公司: 長沙麓創(chuàng)時(shí)代專利代理事務(wù)所(普通合伙) 43249
• 代理人: 賈慶

1.一種基于LSTM-CNN和ICBAM長短期特征提取的鋁電解槽溫預(yù)測方法，其特征在于，包括如下步驟：

步驟一、選擇得到原始鋁電解的預(yù)測輸入數(shù)據(jù)；預(yù)測輸入數(shù)據(jù)包括長周期數(shù)據(jù)、短周期數(shù)據(jù)和對應(yīng)的槽溫；按照時(shí)間序列收集預(yù)測輸入數(shù)據(jù)并并進(jìn)行歸一化預(yù)處理，然后劃分為訓(xùn)練集和測試集；

步驟二、建立LSTM-CNN和ICBAM長短期特征提取網(wǎng)絡(luò)；LSTM-CNN和ICBAM長短期特征提取網(wǎng)絡(luò)包括LSTM-CNN模型、ICBAM模型和AAW模型；

步驟三、將訓(xùn)練集輸入LSTM-CNN和ICBAM長短期特征提取網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到訓(xùn)練好的LSTM-CNN和ICBAM長短期特征提取網(wǎng)絡(luò)，其中，訓(xùn)練集中的長周期數(shù)據(jù)輸入LSTM-CNN模型提取槽溫的長期深度特征，訓(xùn)練集中的短周期數(shù)據(jù)輸入ICBAM模型提取槽溫的短期深度特征，通過AAW模型對長期深度特征和短期深度特征進(jìn)行融合短期深度特征進(jìn)行融合得到融合特征；

步驟四、采用測試集對訓(xùn)練好的LSTM-CNN和ICBAM長短期特征提取網(wǎng)絡(luò)進(jìn)行測試，若預(yù)測誤差達(dá)到預(yù)設(shè)要求，則得到最終的LSTM-CNN和ICBAM長短期特征提取網(wǎng)絡(luò)，否則收集原始鋁電解的預(yù)測輸入數(shù)據(jù)重新進(jìn)行步驟三；

步驟五、提取現(xiàn)有的鋁電解的預(yù)測輸入數(shù)據(jù)輸入最終的LSTM-CNN和ICBAM長短期特征提取網(wǎng)絡(luò)，預(yù)測得到當(dāng)前的槽溫。

2.如權(quán)利要求1所述的基于LSTM-CNN和ICBAM長短期特征提取的鋁電解槽溫預(yù)測方法，其特征在于，所述預(yù)測輸入數(shù)據(jù)包括日平均電壓、氧化鋁濃度、系列電流、出鋁量、分子比和鋁水平；其中日平均電壓、系列電流、氧化鋁濃度、出鋁量、分子比、鋁水平為長周期數(shù)據(jù)；槽電壓以及陽極電流為短周期數(shù)據(jù)。

3.如權(quán)利要求1所述的基于LSTM-CNN和ICBAM長短期特征提取的鋁電解槽溫預(yù)測方法，其特征在于，所述預(yù)測輸入數(shù)據(jù)的選擇方法如下：

短周期數(shù)據(jù)只有槽電壓以及陽極電流，因此不進(jìn)行選擇；

然后選取影響槽溫變化的長周期輸入變量，將影響槽溫變化的長周期輸入變量進(jìn)行歸一化預(yù)處理，然后使用隨機(jī)森林特征選擇模型選擇得到綜合評分選擇關(guān)鍵輸入特征作為預(yù)測輸入數(shù)據(jù)：

A.得到影響槽溫變化的長周期輸入變量的名稱集合FN和特征集D，隨機(jī)森林特征選擇模型的決策樹數(shù)目為N，特征集D的維度記為M；對特征集D進(jìn)行i＝1,2,…,N次重采樣得到數(shù)據(jù)集D_i，未被抽中的樣本稱為袋外數(shù)據(jù)，其用來作為驗(yàn)證集測試隨機(jī)森林特征選擇模型的泛化性能；

B.對于i＝1,2,…,N，在D_i樣本集上訓(xùn)練決策樹T_i，袋外數(shù)據(jù)集為并在基于T_i上對進(jìn)行預(yù)測，計(jì)算袋外數(shù)據(jù)誤差errOOB_i；D_i樣本集即采樣得到的第i個(gè)數(shù)據(jù)集；

C.對于j＝1,2,…,M，對中的特征X_j，其中i指第i次采樣，j指第j個(gè)特征，進(jìn)行隨機(jī)擾動，擾動后的袋外數(shù)據(jù)集為然后基于T_i對進(jìn)行預(yù)測，統(tǒng)計(jì)擾動后的袋外數(shù)據(jù)誤差為errOOB_ij；

D.特征X_j的重要性為最終輸入變量特征重要性評分集合為FD＝{(FN₁,FI₁),(FN₂,FI₂),...,(FN_M,FI_M)}。

4.如權(quán)利要求3所述的基于LSTM-CNN和ICBAM長短期特征提取的鋁電解槽溫預(yù)測方法，其特征在于，影響槽溫變化的長周期輸入變量包括日平均電壓、系列電流、鋁水平、電解質(zhì)水平、出鋁量、氟鹽添加量、氟鹽添加次數(shù)、氧化鋁濃度、分子比、針振和電壓擺動作。