查询结果:   郭久俊.基于LSTM-Adaboost的多晶硅生产的能耗预测[J].计算机应用与软件,2018,35(12):71 - 75,117.
中文标题
基于LSTM-Adaboost的多晶硅生产的能耗预测
发表栏目
应用技术与研究
摘要点击数
276
英文标题
ENERGY CONSUMPTION PREDICTION OF POLYSILICON PRODUCTION BASED ON LSTM-ADABOOST
作 者
郭久俊 Guo Jiujun
作者单位
广东工业大学 广东 广州 510006     
英文单位
Guangdong University of Technology, Guangzhou 510006, Guangdong, China     
关键词
多晶硅 长短期记忆循环神经网络 PCA算法 Adaboost算法 能耗预测
Keywords
Polysilicon LSTM circulatory neural network PCA algorithm Adaboost algorithm Energy consumption forecast
基金项目
NSFC-广东省联合基金项目(U1501248)
作者资料
郭久俊,硕士生,主研领域:智能制造。 。
文章摘要
在多晶硅的生产过程中,还原工序是最重要的工序,其能耗占综合能耗的60%~70%。针对还原工序能耗影响因素复杂,非线性,传统预测方法预测精度低等问题,提出基于LSTM-Adaboost循环神经网络多晶硅生产过程的能耗预测模型。通过PCA算法对多晶硅生产过程的能耗影响因素按贡献率提取主成分;采用正则化方法优化LSTM的目标函数并引入Adaboost算法对LSTM模型优化;构建LSTM-Adaboost预测模型,实现能耗预测。实验结果表明,相比于LSTM模型和BP模型,LSTM-Adaboost模型预测精度更高。以某企业多晶硅还原工序为例,验证该能耗预测的有效性。
Abstract
In the production of polysilicon, the reduction process is the most important process, and its energy consumption accounts for 60%~70% of the total energy consumption. The reduction process has complex influence factors in the energy consumption, and is non-linear. The traditional prediction methods have low accuracy. To solve these problems, we proposed the energy consumption prediction model for the polysilicon production process based on LSTM-Adaboost recurrent neural network. PCA algorithm was used to extract principal components of influencing factors on energy consumption in the polysilicon production process according to the contribution rate. The regularization method was adopted to optimize the objective function of LSTM and the Adaboost algorithm was introduced to optimize LSTM model. The LSTM-Adaboost prediction model was constructed to realize energy consumption prediction. The experimental results show that compared with LSTM model and BP model, LSTM-Adaboost model has better prediction accuracy. Taking the polysilicon reduction process of an enterprise as an example, the validity of the energy consumption prediction is verified. 
下载PDF全文   

根据该篇关键词查找到本刊已发表相关论文供参考
序号
文  章  标  题
作者1
发表栏目
页码
摘要
1
基于两步分解法和SARIMA的非饱和机场能耗预测
陈静杰
数据工程
2019
4
46
[摘要]
2
GM-WLSSVM模型在办公建筑电力能耗预测中的应用
杜瑞芝
软件技术与研究
2018
9
44
[摘要]
3
基于空间-光谱信息融合的Gabor PCA高光谱人脸识别算法研究
施晓倩
人工智能与识别
2018
5
213
[摘要]
4
基于LSTM-Adaboost的多晶硅生产的能耗预测
郭久俊
应用技术与研究
2018
12
71
[摘要]
5
基于噪声自检测的并行AdaBoost算法
徐坚
算法
2018
1
288
[摘要]
6
基于CMYK-H-CbCr肤色检测和改进型AdaBoost算法的人脸检测
方承志
人工智能与识别
2017
8
167
[摘要]
7
基于并行Adaboost-BP网络的大规模在线学习行为评价
曹建芳
算法
2017
7
267
[摘要]
8
基于小波变换和光照补偿的人脸识别方法
刘俊
人工智能与识别
2017
5
160
[摘要]
9
基于数据挖掘技术的建筑能耗分析集成方法
孙智超
应用技术与研究
2017
11
103
[摘要]
10
基于卷积神经网络的汽车型号识别
陈淑君
图像处理与应用
2017
11
228
[摘要]
11
一种复杂背景下多尺度多视角的人体检测方法
杨颖
信息技术交流
2016
8
329
[摘要]
12
基于AdaBoost算法和色彩信息的脸部特征定位
宁娟
图像处理与应用
2016
5
207
[摘要]
13
应用EMPCA算法对TE过程中随机及连续缺失数据进行补值的研究
孙怀宇
算法
2015
5
234
[摘要]
14
Adaboost算法在图像型火灾探测中的应用研究
廖雨婷
人工智能与识别
2015
4
153
[摘要]
15
通用学习框架改进核PCA的单样本人脸识别
陈非
人工智能与识别
2015
4
156
[摘要]
16
基于体素的fMRI数据分类研究及其应用
张兵
人工智能与识别
2015
2
138
[摘要]
17
一种基于AdaBoost的跨语言情感资源迁移方法
卢玲
应用技术与研究
2015
11
77
[摘要]
18
基于核PCA与在线支持向量机的电子鼻气体分类研究
余炜
算法
2015
11
269
[摘要]
19
一种基于GLRAM的掌纹识别改进算法
彭晏飞
人工智能与识别
2015
10
155
[摘要]
20
BP-AdaBoost分类算法的MapReduce并行化实现
李杨
算法
2014
8
261
[摘要]
21
两种改进的IPCA算法
李晨
算法
2014
6
303
[摘要]
22
基于概率距离的局部线性嵌入在上下文感知中的应用
许静
应用技术与研究
2014
3
36
[摘要]