پيش بيني بار برگشتي در صنعت سيمان با استفاده از شبكه عصبي BLSTM

Forecasting the return load in the cement industry using BLSTM neural network

چكيده - بار برگشتي درصنعت سيمان ، كيفيت محصول و راندمان توليد را كاهش مي دهد. نظارت و كنترل بر بار برگشتي و پارامترهاي موثر درعملكرد جداكننده هوايي مدارخردايش ميتواند راندمان توليد و كيفيت محصول را بهتركند. شناسايي پارامترهاي موثر در عملكرد جداكننده هوايي ، به ويژه در مديريت بار برگشتي ، براي بهينه سازي مدار آسيا به صورت هوشمند بسيار مهم است. داده هاي جمع آوري شده از حسگرها به دليل نوسانات و نويز زياد ، چالش هايي را در پردازش داده ها ايجاد مي كند و علاوه بر آن رفتارهاي غيرخطي و وابستگي هاي زماني پيچيده بين داده ها شرايط را سخت ميكند. اين مقاله ابتدا بر آماده سازي داده ها براي كاهش نويز، مديريت نقاط پرت و مقاديرگمشده تمركز ميكند. سپس يك مدل شبكه عصبي حافظه طولاني -كوتاه مدت دو طرفه( BLSTM) براي مدلسازي وابستگي هاي زماني و پيش بيني بار برگشتي ارائه مي دهد. روش پيشنهادي با سه معيار ميانگين خطاي مطلق، ريشه ميانگين مربعات خطا و ميانگين مربعات خطا درمقابل روش هاي موجود مورد ارزيابي قرار گرفته و موفق به كسب نتايج بهتري شده است.