电子技术杂志社

摘要：阐述精煤灰分软测量方案，引入改进的四种深度学习模型方法对精煤灰分进行预测，包括卷积神经网络CNN、循环神经网络RNN、结合多头注意力机制和GRU的MHANet模型、结合CNN与GRU的LSTNet模型。给出不同的预测模型算法在不同数据背景下性能和精确度的优劣。最终得出结论，LSTNet模型在精煤灰分预测中更具优势。

关键词： 门循环单元;神经网络;注意力机制;精煤灰分预测;

基金资助： 科技部科技创新2030“新一代人工智能”重大项目（2022ZD0119501-2022ZD0119501）； 国家自然科学基金（52374221）,青岛西海岸新区2022年科技计划专项（202209）；

专辑： 信息科技;工程科技Ⅰ辑

专题： 燃料化工;矿业工程;自动化技术

分类号： TQ533.2;TD94;TP18

在线公开时间： 2025-05-19 10:04（知网平台在线公开时间，不代表文献的发表时间）