Indexed by：
Abstract：
本发明涉及一种基于传递熵与长短期记忆网络的TE过程时序预测方法。针对TE过程变量间关联性强，易将冗余信息引入预测模型，导致时序预测精度低和训练速率慢的问题，本发明将传递熵算法的不对称性用于变量选取，在TE过程反应器单元变量中选择出对反应器温度影响较大的上游变量，剔除下游不相关变量的干扰，从而降低时序预测模型的复杂度。利用LSTM在时序预测方面的优越性能，基于传递熵选择出的变量建立LSTM时间序列预测模型，预测反应器温度的未来时间序列。
Keyword：
Reprint Author's Address：
Email：
Patent Info ：
Type： 发明申请
Patent No.： CN202110299172.3
Filing Date： 2021-03-20
Publication Date： 2024-05-31
Pub. No.： CN113065281B
Applicants： 北京工业大学
Legal Status： 授权
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 8
Affiliated Colleges：
