10.3969/j.issn.1000-386x.2018.12.014
基于LSTM-Adaboost的多晶硅生产的能耗预测
在多晶硅的生产过程中,还原工序是最重要的工序,其能耗占综合能耗的60％ ～ 70％.针对还原工序能耗影响因素复杂,非线性,传统预测方法预测精度低等问题,提出基于LSTM-Adaboost循环神经网络多晶硅生产过程的能耗预测模型.通过PCA算法对多晶硅生产过程的能耗影响因素按贡献率提取主成分;采用正则化方法优化LSTM的目标函数并引入Adaboost算法对LSTM模型优化;构建LSTM-Adaboost预测模型,实现能耗预测.实验结果表明,相比于LSTM模型和BP模型,LSTM-Adaboost模型预测精度更高.以某企业多晶硅还原工序为例,验证该能耗预测的有效性.
多晶硅、长短期记忆循环神经网络、PCA算法、Adaboost算法、能耗预测
35
TP391.9(计算技术、计算机技术)
NSFC-广东省联合基金项目U1501248
2019-04-25（万方平台首次上网日期，不代表论文的发表时间）
共6页
71-75,117
