为了确保有效利用轧机设备能力,以某钢厂棒材生产线的轧机电机负荷数据为研究对象,利用PyTorch搭建基于长短期记忆(long short term memory, LSTM)神经网络的预测模型,定义模型初始网格结构参数,选定单元结构激活函数,并针对模...
详细信息
为了确保有效利用轧机设备能力,以某钢厂棒材生产线的轧机电机负荷数据为研究对象,利用PyTorch搭建基于长短期记忆(long short term memory, LSTM)神经网络的预测模型,定义模型初始网格结构参数,选定单元结构激活函数,并针对模型超参数的选择问题,采用自适应学习算法(adaptive moment estimation, Adam)进行参数优化,迭代降低损失值,提高模型的预测精度。通过试验设计,采用生产两种规格棒材的轧机负荷数据进行验证,结果表明,与未优化的负荷预测模型对比,均方误差SME分别降低了3.28、1.76,证明了所建立模型的预测效果更好,具有较高的稳定性。
暂无评论