基于LSTM神經網絡的干燥含水量預測研究

打開文本圖片集

摘      要： 在PVC干燥中，產品的含水量受到溫度、流量等多個參數(shù)的影響，鑒于參數(shù)數(shù)據(jù)之間的非線性以及序列間的相關性，傳統(tǒng)的時間序列方法和傳統(tǒng)的機器學習算法已經不能對未來干燥產品的含水量進行精確的預測。長短期記憶網絡（LSTM）作為一種基于深度學習中的循環(huán)神經網絡（RNN），它在RNN的基礎上增加了輸入門、輸出門以及遺忘門，可以有效地處理RNN在運行大量數(shù)據(jù)時可能會帶來的數(shù)據(jù)遺忘等問題，特別適合處理具有時間序列的數(shù)據(jù)。（剩余7761字）