基于多變量LSTM的工業(yè)傳感器時序數(shù)據(jù)預測
摘要：傳感器時序數(shù)據(jù)預測作為工業(yè)自動化和智能化的關鍵過程,對于自動化生產(chǎn)監(jiān)督、風險預防和技術改進等具有重要意義。考慮到傳統(tǒng)基于統(tǒng)計學的時序分析方法通用性弱、普通循環(huán)神經(jīng)網(wǎng)絡模型存在長期依賴的不足,針對工業(yè)設備溫度、壓力和電流強度等時序數(shù)據(jù)預測問題,提出了一種基于多變量分析的長短時記憶神經(jīng)網(wǎng)絡時序預測方法,該方法利用數(shù)據(jù)的遠距離信息和多變量相關性,有效地提高了工業(yè)傳感器時序數(shù)據(jù)預測的準確性。實驗選取瑞典某公司的機械裝載傳感器數(shù)據(jù)用于訓練和測試,通過與單變量長短時記憶模型以及其它主流時序預測算法比較,證明了該方法具備較好的預測性能和通用性。
注: 保護知識產(chǎn)權,如需閱讀全文請聯(lián)系智能計算機與應用雜志社
相關推薦
更多
