公开(公告)号：CN115017818B

公开(公告)日：2024-09-20

申请号：CN202210694964.5

申请日：2022-06-20

Applicant: 南京工业职业技术大学

Inventor： 马燕芹 ,  彭建华 ,  周元伟 ,  金誉成

IPC: G06F30/27 ,  G06F17/16 ,  G06Q50/06 ,  G06F119/02

Abstract: 本发明一种基于注意力机制和多层LSTM的电厂烟气含氧量智能预测方法，通过传感器采集数据，将采集的传感器数据保存到原始数据库；从原始数据库中顺序采样数据，通过数据清洗和数据降维，数据清洗剔除相似性较高的数据，数据降维过滤数据内的次要特征，并将处理后的数据保存到剩余数据库；从剩余数据库中随机提取小批量数据，通过注意力网络得到权值特征，将权值特征数据输入到基于LSTM的预测网络进行预测网络训练；最后利用训练好的预测网络进行烟气含氧量的预测。本发明降低了数据之间和数据内部的冗余信息，从而提高的模型训练效率。引入注意力机制赋予主要特征不同的权值，使得预测系统更接近实际系统的物理过程，从而提高了预测精度。

公开(公告)号：CN115017818A

公开(公告)日：2022-09-06

申请号：CN202210694964.5

申请日：2022-06-20

Applicant: 南京工业职业技术大学

Inventor： 马燕芹 ,  彭建华 ,  周元伟 ,  金誉成

IPC: G06F30/27 ,  G06F17/16 ,  G06Q50/06 ,  G06F119/02

Abstract: 本发明一种基于注意力机制和多层LSTM的电厂烟气含氧量智能预测方法，通过传感器采集数据，将采集的传感器数据保存到原始数据库；从原始数据库中顺序采样数据，通过数据清洗和数据降维，数据清洗剔除相似性较高的数据，数据降维过滤数据内的次要特征，并将处理后的数据保存到剩余数据库；从剩余数据库中随机提取小批量数据，通过注意力网络得到权值特征，将权值特征数据输入到基于LSTM的预测网络进行预测网络训练；最后利用训练好的预测网络进行烟气含氧量的预测。本发明降低了数据之间和数据内部的冗余信息，从而提高的模型训练效率。引入注意力机制赋予主要特征不同的权值，使得预测系统更接近实际系统的物理过程，从而提高了预测精度。