基于机器学习框架的氧化铝种分粒度细化爆发时序预测模型

摘要：

种子分解工序是决定氧化铝产品质量的关键工序,但是当前人们缺乏对晶种分解机理和分解行为的准确本质分析,导致各氧化铝生产企业很难摆脱分解氢氧化铝粒度周期性细化影响,造成过滤效果变差、产能下降、氧化铝产品质量降低.本文利用有监督机器学习方法,建立循环神经网络模型,对种分粒度细化爆发情况进行时间序列预测.经过生产运行数据验证,该模型预测准确度较高,能够为氧化铝生产企业提供种分氢氧化铝细粒子量在未来100天的变化趋势,为生产争取调控时间,减少晶种粒度细化爆发的程度和发生频率.

关键词：种子分解、粒度细化、时序预测、机器学习、循环神经网络

分类号：TF821(有色金属冶炼)

在线出版日期：2021-06-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：14-19