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。