基于BiLSTM⁃Attention神经网络模型的双螺杆挤出机出口熔压预测
发布时间:2026-03-26 | 来源:中国塑料 | 作者:赵冲, 毕超, 左仕博, 殷德举, 房志凯, 高瑞锋
在对BiLSTM⁃Attention模型进行介绍的基础上,通过使用互信息法对关联参数进行量化筛选,给出了影响挤出机出口熔压参数的重要性顺序,分析了输入参数维度和长度对模型预测精度和稳定性的影响。结果表明,保留互信息量最大的两个参数以及熔压本身作为输入特征的预测精度及稳定性较好;且选择适当长度的输入时序序列对模型的预测效
在对BiLSTM⁃Attention模型进行介绍的基础上,通过使用互信息法对关联参数进行量化筛选,给出了影响挤出机出口熔压参数的重要性顺序,分析了输入参数维度和长度对模型预测精度和稳定性的影响。结果表明,保留互信息量最大的两个参数以及熔压本身作为输入特征的预测精度及稳定性较好;且选择适当长度的输入时序序列对模型的预测效果具有显著影响。此外,还将BiLSTM⁃Attention模型和LSTM、BiLSTM模型的预测结果进行对比,结果表明BiLSTM⁃Attention模型的预测精度和稳定性较好。
返回资讯频道