一种基于深度学习的聚酯纤维聚合过程特性粘度计算方法

本发明涉及聚酯纤维的生产技术领域，具体是一种基于深度学习的聚酯纤维聚合过程特性粘度计算方法，包括建立LSTM神经网络模型，训练、投入使用和校正的步骤。该模型在初始LSTM中引入增强门将历史时刻的聚酯纤维聚合过程工艺参数经过预处理整理成样本并作为模型的输入值，将历史时刻的特性粘度真实值经过预处理整理成样本并作为模型的标签，将每组输入值模型得到预测值，与标签进行比较，从而提高模型的预测精度。本发明的模型增加了新的门控，得到了模型预测精度的提高，对于本领域的离线系统模型，预测精度显然更重要，因此本发明在一定从程度上能更好地指导生产，极具应用前景。