基于多变量LSTM的工业传感器时序数据预测

龙源期刊网 http://www.vsmmt.com/doc/info-b51fbbe3905f804d2b160b4e767f5acfa0c783f8.html

基于多变量LSTM的工业传感器时序数据预测

作者:易利容王绍宇殷丽丽杨青顾欣

来源:《智能计算机与应用》2018年第05期

Abstract: The forecasting of sensor timing series is a key process for industrial automation and intelligentization, and is of great significance for automated production supervision, risk prevention and technological improvement. Considering the weak generality of traditional statistical-based time series analysis methods and the long-term dependence problem of common Recurrent Neural Network models, a method of Long Short-Term Memory Neural Network based on multivariable analysis is proposed to solve these problems, especially for forecasting temperature,pressure, and current intensity of industrial equipment. This method uses the long-term information of the data and multi-variable correlation, effectively improves the accuracy. The experiment selects a Swedish company's mechanical sensor dataset for training and testing, and compares the proposed method with the univariate long short-term memory model and other major temporal prediction algorithms. The experimental results show that the proposed method has better prediction performance and versatility.

引言

物联网、大数据、云计算[1]等新兴产业的发展极大地推动了工业自动化进程。工业生产

过程中通过物联网汇总的各类传感器采集的大量信息构成了传感器大数据,这些数据都具备典型的时序数据特征,通过对这些时序数据的处理和预测可以?#34892;?#22320;监督自动化生产过程、预防风险隐患和改进工业技术。

目前对工业传感器时序预测的研究方法主要分为2类。一类是基于统计学的经典模型[2],如移动平均法、指数平滑法、ARIMA模型和状态空间模型等,由于统计模型过分依赖平稳性、稳定性等假设,对数据要求较高,通用性弱,因此不适用于工业用途。另一类是基于机器学习的预测模型,如KNN回归、SVM回归[3]、BP神经网络[4-5]和深度神经网络等。其中,KNN回归、SVM回归、BP神经网络结构简洁、性能稳定,但预测精度?#20852;?#23616;限。随着云计算、大数据时代的到来,计算能力的提高和训练数据的大幅增加对深度学习提供了支持[6],

以循环神经网络(Recurrent Neural Network, RNN)[7]为代表的深度网络?#20113;?#36890;用性强、预

测精度高等优点逐渐成为时序预测的热门的研究方向。实际应用中传感器数据规律多与远距离时间数据有关,然而普通RNN随着循环进行发生的梯度爆炸或梯度弥散使模型只能学习到短周期的依赖关系[8]。为解决此问题,引入长短时记忆神经网络[9] (Long Short-Term Memory Neural Network, LSTM NN或LSTM)。LSTM的长短时记忆单元能够控制信息的累积速度,并在预测远距离依赖型时序数据上展现了优越的能力。考虑到同一工业设备?#25945;?#30340;各类传感器数据之间往往具有很强的相关性,本文基于数据的横向信息(远距离相关性)和纵向信息(多

基于多变量LSTM的工业传感器时序数据预测的相关文档搜索

相关文档
浦和红钻对全北现代预测
上海时时票机 橄榄球 博彩技巧 北京pk10冠军杀号计划 皇家重庆时时app下载 内蒙古时时中奖钱数 北京pk拾彩票网官网 欧泊彩票平台公司在哪里 篮球比分 手机11选5助手下载 重庆时时彩-安卓版 lhf国际娱乐 北京pk拾输钱的原因 北京pk赛车app下载 胆是什么 pk10软件计划手机软件