论文部分内容阅读
分解炉出口温度是水泥生产过程中的关键指标。针对传统预测方法只考虑风、煤、料影响的问题,提出一种弹性网(ElasticNet)结合长短时记忆(Long Short-Term Memory,LSTM)神经网络的温度预测模型。利用弹性网方法对不同变量进行参数估计,充分考虑影响因素并实现变量筛选,同时分析隐含层和节点数对神经网络精确度的影响,构建ElasticNet-LSTM出口温度预测模型。仿真结果表明:所提出的方法优于LSTM, LASSO(Least Absolute Shrinkage and Se