購物車(0)
基于LSTM的工業互聯網設備工作狀態預測
李兆桐; 張衛山; 郭武武 中國石油大學(華東)計算機與通信工程學院; 山東青島266580
關鍵詞：長短時記憶神經網絡 時間序列預測 工業互聯網設備
摘要：隨著工業互聯網技術的發展,工業互聯網設備的工作狀態預測對于提升設備的可靠性具有重要意義。在實際的工業場景中,由于設備數據高度離散且在多個時間段內相互重合,簡單的單信號預測和閾值方法是無效的。本文提出一種基于LSTM(長短時記憶)神經網絡的設備工作狀態預測模型。首先使用SMOTE算法進行數據傾斜處理,利用PCA算法進行數據降維,之后基于LSTM神經網絡構建設備工作狀態預測模型,最后利用F1分數值進行模型評估。本文基于真實的空調壓縮機數據進行實驗驗證,實驗結果表明了本文方法的有效性。
計算機與現代化雜志要求:
{1}參考文獻：執行國標“文后參考文獻著錄規則（GB/T7714－2005）”，中文參考文獻需要有英文對照。
{2}應具創新性、科學性、實用性，論點明確，資料可靠，數據準確，層次清楚，文字精練，用字規范。
{3}擬刊登的稿件，編輯部會及時將錄用通知單及修改意見反饋給作者，作者應及時將修改稿返回編輯部，在沒有約定的前提下超過3個月期限未修回，將被視為自動放棄。
{4}正文標題層次一級標題1，2，…，二級標題用1．1，1．2，…，三級標題用1．1．1，1．1．2，…，以此類推。標題層次一般不超過4級。
{5}關鍵詞應有3～5個。詞與詞之間用分號分隔。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
相關期刊
