پیش بینی بار برگشتی در صنعت سیمان با استفاده از شبکه عصبی blstm

چکیده - بار برگشتی درصنعت سیمان ، کیفیت محصول و راندمان تولید را کاهش می دهد. نظارت و کنترل بر بار برگشتی و پارامترهای موثر درعملکرد جداکننده هوایی مدارخردایش میتواند راندمان تولید و کیفیت محصول را بهترکند. شناسایی پارامترهای موثر در عملکرد جداکننده هوایی ، به ویژه در مدیریت بار برگشتی ، برای بهینه سازی مدار آسیا به صورت هوشمند بسیار مهم است. داده های جمع آوری شده از حسگرها به دلیل نوسانات و نویز زیاد ، چالش هایی را در پردازش داده ها ایجاد می کند و علاوه بر آن رفتارهای غیرخطی و وابستگی های زمانی پیچیده بین داده ها شرایط را سخت میکند. این مقاله ابتدا بر آماده سازی داده ها برای کاهش نویز، مدیریت نقاط پرت و مقادیرگمشده تمرکز میکند. سپس یک مدل شبکه عصبی حافظه طولانی -کوتاه مدت دو طرفه( blstm) برای مدلسازی وابستگی های زمانی و پیش بینی بار برگشتی ارائه می دهد. روش پیشنهادی با سه معیار میانگین خطای مطلق، ریشه میانگین مربعات خطا و میانگین مربعات خطا درمقابل روش های موجود مورد ارزیابی قرار گرفته و موفق به کسب نتایج بهتری شده است.