摘 要: | 建立快速准确的锅炉效率预测模型,选取12个测点作为输入,以锅炉效率作为输出,利用锅炉运行历史数据建立数据集,对比多个时序数据预测模型的效果。结果显示:长短期时间序列网络(Long-and Shortterm Time-series network, LSTNet)模型的平均绝对误差最小,为0.12,该模型的预测效果优于其他模型。对LSTNet模型进行微调,为了提高模型的表达能力,将门控循环单元(Gate Recurrent Unit, GRU)调整为长短期记忆网络(Long Short-Term Memory, LSTM);为了提高模型推理速度,适当缩减LSTM的神经元数量,最终得到长短期时间序列微调网络(LSTNet-Mod)模型,其平均绝对误差为0.027,推理时间缩短了约7.88 s。
|