典型文献
基于机器学习的有色金属冶炼工序识别
文献摘要：
为实现生产工序的准确识别,提出基于机器学习的工序识别模型,分别选取时间卷积网络、长短期记忆网络、支持向量机构建工序识别模型,并结合某钛金属冶炼企业生产能耗数据对模型进行测试验证.首先对历史功率及工序数据进行预处理,然后根据生产特征构造用于模型训练及测试数据集,最后结合数据集对模型进行训练和测试.结果表明基于时间卷积网络的识别模型具有较高的工序识别准确率,针对测试集的工序识别准确率达96.94％.
文献关键词：
机器学习;时间卷积网络;长短期记忆网络;支持向量机;工序识别
中图分类号：
作者姓名：
汪繁荣;方祖春;刘宇航;汪筠涵
作者机构：
湖北工业大学电气与电子工程学院 武汉430068;襄阳湖北工业大学产业研究院 襄阳441100
文献出处：
引用格式：
[1]汪繁荣;方祖春;刘宇航;汪筠涵-.基于机器学习的有色金属冶炼工序识别)[J].电子测量技术,2022(23):181-186
A类：
B类：
基于机器学习,有色金属冶炼,工序识别,生产工序,准确识别,识别模型,时间卷积网络,长短期记忆网络,钛金属,冶炼企业,生产能耗,能耗数据,测试验证,工序数,生产特征,特征构造,模型训练,测试数据,识别准确率,测试集
AB值：
0.278038
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
