Временная сеть на основе характеристики и извлечения временных рядов в медеплавильном производстве для прогнозирования содержания матовой фазы

A Temporal Network Based on Characterizing and Extracting Time Series in Copper Smelting for Predicting Matte Grade
Jun Ma, Bin Yu, Junjia Zhang, Zhuorui Li, Enzhi Wang, Bin Yu, Jiangping Li, Enzhi Wang
2024-11-24

TCN-TMHATime2Vecпрогнозирование градации матовой фазымаксимальный информационный коэффициентвременная сверточная сеть
Для решения проблем низкой точности прогнозирования и плохой интерпретируемости традиционных моделей прогнозирования содержания матовой фазы, основанных на входных данных до плавки и данных анализов для регрессии, мы включаем данные технологических датчиков и предлагаем временную сеть на основе Time2Vec и временной сверточной сети в сочетании с многоголовой временной внимательной механизмом (TCN-TMHA) для борьбы со слабыми временными характеристиками и неопределённой периодической информацией в процессе медеплавки. Во-первых, мы применили критерий максимального информационного коэффициента (MIC) для отбора временных рядов датчиков процесса, сильно коррелирующих с содержанием матовой фазы. Во-вторых, мы использовали модуль Time2Vec для извлечения периодической информации из переменных процесса медеплавки, напрямую интегрируя обработку временных рядов в модель прогноза. Наконец, мы реализовали модуль TCN-TMHA и применили специфические механизмы взвешивания для назначению весов входным признакам и приоритизации релевантных ключевых временных шагов. Экспериментальные результаты показывают, что предлагаемая модель даёт более точные прогнозы содержания меди: коэффициент детерминации (R2) улучшился на 2,13%–11,95% по сравнению с существующими моделями прогнозирования содержания матовой фазы.
1
Предложена временная сеть, объединяющая Time2Vec и временную сверточную сеть с временным многоголовым вниманием (TCN-TMHA) для прогнозирования градации матта на основе временных рядов датчиков процесса.
2
Экспериментальные результаты показывают, что предложенная модель повышает R2 на 2,13%–11,95% по сравнению с существующими моделями прогнозирования градации матта, обеспечивая более точные предсказания содержания меди.
3
Критерий максимального информационного коэффициента (MIC) использован для выбора переменных датчиков процесса, сильно коррелирующих с градацией матта, что повышает релевантность входных данных.
4
TCN-TMHA реализует специальные механизмы взвешивания для назначения весов входным признакам и приоритизации ключевых шагов по времени.
5
Модуль Time2Vec извлекает периодическую информацию из переменных процесса медетплавильного производства, интегрируя обработку временных рядов непосредственно в модель прогнозирования.

Временные ряды процесса выплавки меди (данные датчиков технологического процесса), используемые для предсказания содержания matte

Прогнозирование качества matte (содержания меди) по временным данным датчиков процесса, включая извлечение периодических признаков и временных зависимостей с помощью Time2Vec и TCN с временной многоголовой внимательной подсистемой

Publication Details
Publication Date
2024-11-24
Journal
Publisher
ISSN
Cited by
7
Access Type
Author Information
Authors
Jun Ma
Bin Yu
Junjia Zhang
Zhuorui Li
Enzhi Wang
Bin Yu
Jiangping Li
Enzhi Wang
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%