来源：期刊VIP网 时间：
作者：吉露;王明刚;周剑;周晓红;
单位：贵州中准科技有限公司;遵义铝业股份有限公司;
摘要：在铝电解生产过程中，氟化铝的添加量对维护电解的高效和稳定起着关键作用，目前多通过工艺经验决定，而实际上其与氧化铝检化验数据、铝水平、电解温度等多个因素存在复杂的非线性关系，呈现出动态变化性，仅凭经验难以进行准确决策。本文针对铝电解过程的非线性、大时滞和强耦合特点，在BiLSTM网络基础上融入软注意力机制，构建了高精度的氟化铝添加量预测模型，并进行了大量的数据训练、测试与验证，实验结果表明所提出的算法在预测氟化铝添加量上展现出很高的预测精度。该模型利用XGBoost算法获取局部特征，提升模型的预测准确性和运行效率；模型结合了双向LSTM,能同时考虑数据前后依赖关系，通过注意力机制动态调节特征权重，增强了预测精度；XGBoost-BiLSTM-Attention模型的平均误差为0.014,平均百分比误差为2.64,线性拟合度达到0.963,整体性能均超过现有模型。该预测模型展现出良好的预测效果，为铝电解生产过程中精准控制氟化铝添加量提供了重要的决策指导，模型的预测结果对提升铝电解槽生产效率、降低能耗和实现精准控制具有重要价值和意义。
关键词：铝电解;;氟化铝添加量;;注意力机制;;XGBoost-BiLSTM-Attention;;预测精度;;节能降耗
