来源：期刊VIP网 时间：
作者：谭建所;吴兴华;徐文光;杨开明;幸响云;王洪亮;
单位：云南锡业锡化工材料有限责任公司;昆明理工大学民航与航空学院;
摘要：随着工业生产的复杂性和规模的增加，准确的工业预测模型对于提高生产效率和降低成本至关重要。为此，提出一种基于tSNE-LSTM算法的工业预测模型来预测工业生产过程的温度。将t-SNE应用于数据降维和特征提取，然后使用LSTM进行序列建模和预测。该模型结合了t-SNE降维和LSTM循环神经网络的优势，能够有效地捕捉时间序列数据的非线性动态特征，并进行准确预测。在实际工业数据集上的实验验证结果表明，该模型在工业预测任务中具有较高的准确性和鲁棒性。
关键词：工业预测;;温度预测;;t-SNE;;LSTM;;时间序列数据;;非线性动态特征
基金资助：云南省企业基础研究应用基础研究联合专项（202101BC070001-012）;; 云南省基金面上项目（202301AT070420）
