[发明专利]基于多层LSTM的火电厂凝汽器真空度预测方法

摘要

本发明提出了一种基于多层LSTM的火电厂凝汽器真空度预测方法，首先构建样本数据集并对样本中的输入数据和输出数据分别进行标准化处理，然后将输入数据顺序进入多层长短期记忆神经网络，并使用自适应矩估计算法进行模型训练；最后将待预测数据输入训练完成的预测模型，对凝汽器真空度进行预测。本发明将长短期记忆神经网络结构应用于凝汽器真空度分析，实现了对大数据的深度挖掘，提高了数据预测的准确性和预测的速度，优化了系统资源的使用。本发明设计的2层LSTM结构能够加深模型深度，增加模型容量，提高预测精度，同时运用自适应矩估计算法对传统的梯度下降算法进行优化，避免了梯度爆炸的问题。