摘要
本发明涉及一种基于卷积网络的多晶硅还原炉尾温预测方法,包括读取历史炉次的下发数据和反馈数据,对下发料表、炉筒水温和流量、电压和尾温数据进行预处理,通过金字塔池化技术对下发料表、炉筒水温和流量以及电压数据进行全局信息提取;搭建用于尾温预测的卷积网络模型,将原始数据集构造为符合所搭建的卷积网络模型输入和预测的样本集,并进一步将样本集拆分为训练集、测试集和验证集,继而完成对卷积网络模型的训练和调优。本发明综合考虑了还原炉尾温在变化过程中反映出来的周期性和趋势性特征,同时兼顾到了尾温在近期和远期的变化趋势,能够提高还原炉尾温预测的准确性和鲁棒性。
技术关键词
卷积网络模型
局部特征提取
还原炉
全局特征提取
多晶硅
金字塔池化
样本
数据标签
卷积技术
金字塔特征
代表
训练集
电压
序列
变量
网络结构
鲁棒性
矩阵
系统为您推荐了相关专利信息
动态监测方法
水土流失预测
卷积网络模型
遥感影像数据
植被
识别神经网络
图像还原
存储单元
管理方法
图像局部特征
人体姿态估计方法
全局特征提取
特征提取模块
轻量化方法
融合多尺度信息
预警检测系统
历史工单数据
优化预测模型
预警检测方法
构建预测模型