来源：期刊VIP网 时间：
作者：孟丽丽;彭垚;刘然;郑直;崔溪;刘金祥;
单位：华北理工大学冶金与能源学院;华北理工大学机械工程学院;华北理工大学钢铁碳中和学院;
摘要：针对高炉复杂的操作环境、众多的影响因素，以及处理复杂非线性时间序列数据时模型效果不佳等问题，提出了一种基于变分模态分解(VMD)和粒子群优化(PSO)双向长短期记忆网络(BiLSTM)的高炉炉渣碱度预测模型。首先，对某高炉实际生产数据进行综合预处理，并应用VMD方法对数据进行分解。其次，为进一步优化模型性能，采用PSO算法对BiLSTM模型的超参数进行优化。最后，与VMD-BiLSTM、BiLSTM和LSTM模型进行对比。试验结果表明，基于VMD-PSO-BiLSTM的高炉炉渣碱度预测模型有最佳的拟合效果(R~2=0.914 5)、最小的误差(MAE=6.18×10~(-3),MSE=9.35×10~(-5))和更高的长期预测趋势准确程度(TA=96%),可为高炉炼铁过程的优化控制提供有效的技术支持。
关键词：高炉;;炉渣碱度;;变分模态分解;;粒子群优化;;双向长短期记忆网络
基金资助：国家自然科学基金资助项目(52004096);; 河北省自然科学基金资助项目(E2024209101)
