摘要
本申请涉及一种适用于石油化工场景的能耗预测与优化方法及系统,涉及石油化工生产数据处理及能耗预测的技术领域,其S1、数据预处理步骤,对多源异构原始数据进行清洗、整合与归一化;S2、特征提取与选择步骤,采用自适应噪声完备集成经验模态分解提取时序特征,结合递归特征消除交叉验证筛选关键特征;S3、模型组合预测步骤,构建以长短期记忆网络或门控循环单元为核心的混合神经网络进行能耗预测;以及S4、模型优化步骤,采用改进粒子群算法对所述混合神经网络的超参数进行优化。本发明通过系统的数据处理、深度的特征工程、先进的模型构建及智能的参数寻优,显著提高了石油化工能耗预测的准确性、鲁棒性和效率。
技术关键词
组合预测模型
能耗
集成经验模态分解
混合神经网络模型
场景
粒子群算法
门控循环单元
数据
关联规则挖掘算法
交叉验证方法
长短期记忆网络
决策
网络结构
特征值
特征工程
参数
时序特征
策略
因子
系统为您推荐了相关专利信息
智能网联汽车环境感知
虚拟仿真实训平台
环境感知数据
实训教学
车辆行驶环境