基于多变量LSTM的工业传感器时序数据预测

易利容; 王绍宇; 殷丽丽; 杨青; 顾欣

首页> 中文期刊> 《智能计算机与应用》 >基于多变量LSTM的工业传感器时序数据预测

基于多变量LSTM的工业传感器时序数据预测

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

传感器时序数据预测作为工业自动化和智能化的关键过程,对于自动化生产监督、风险预防和技术改进等具有重要意义。考虑到传统基于统计学的时序分析方法通用性弱、普通循环神经网络模型存在长期依赖的不足,针对工业设备温度、压力和电流强度等时序数据预测问题,提出了一种基于多变量分析的长短时记忆神经网络时序预测方法,该方法利用数据的远距离信息和多变量相关性,有效地提高了工业传感器时序数据预测的准确性。实验选取瑞典某公司的机械装载传感器数据用于训练和测试,通过与单变量长短时记忆模型以及其它主流时序预测算法比较,证明了该方法具备较好的预测性能和通用性。

著录项

来源
《智能计算机与应用》 |2018年第5)期|P.13-16|共4页
作者
易利容; 王绍宇; 殷丽丽; 杨青; 顾欣;
展开▼
作者单位

东华大学计算机科学与技术学院,上海201620;

东华大学计算机科学与技术学院,上海201620;

东华大学计算机科学与技术学院,上海201620;

东华大学计算机科学与技术学院,上海201620;

东华大学计算机科学与技术学院,上海201620;

展开▼
原文格式 PDF
正文语种 CHI
中图分类模式识别与装置;
关键词
时间序列预测; 长短时记忆神经网络; 多变量分析;

相似文献

中文文献
外文文献
专利

1. 基于多变量LSTM的工业传感器时序数据预测 [J] . 易利容 ,王绍宇 ,殷丽丽 . 智能计算机与应用 . 2018,第005期
2. 基于LSTM网络的在线藻类时序数据预测研究:以三峡水库为例 [J] . 欧阳添 ,闪锟 ,周博天 . 湖泊科学 . 2021,第004期
3. 基于LSTM的焙烧时序数据的质量预测模型 [J] . 苏志同 ,王春雷 . 软件 . 2020,第005期
4. 基于多变量LSTM神经网络的澳大利亚大火预测研究 [J] . 李莉 ,杜丽霞 ,张子柯 . 电子科技大学学报 . 2021,第002期
5. 基于多变量LSTM的GPS坐标时间序列预测模型 [J] . 胡向阳 ,孙宪坤 ,尹玲 . 传感器与微系统 . 2021,第003期
6. M-TAEDA:多变量水质参数时序数据异常事件检测算法 [C] . MAO Yingchi ,毛莺池 ,Qi Hai . 2016年全国开放式分布与并行计算学术年会 . 2016
7. 基于多尺度重构的工业过程多元时间序列LSTM预测方法 [A] . 任柯 . 2020

基于多变量LSTM的工业传感器时序数据预测

摘要

著录项

相似文献

相关主题

期刊订阅