基于组合神经网络模型的球磨机数据插补方法研究

摘要

为了避免球磨机监控数据的缺失,更好地对球磨机进行监控维护,以球磨机出矿浓度缺失项为例,采用BP和LSTM2种神经网络模型组合的方式对球磨机的缺失数据进行预测插补.单独使用BP神经网络和LSTM神经网络预测时准确率分别为92％和96％,使用权重组合模型及基于平均误差的数据修正方法后预测的准确率为98％.组合模型将2种模型各自的优势结合在一起,取得了较好的预测成果,证明该方法切实可行.