基于E-LSTM循环神经网络的制冷设备状态预测.pdfVIP

测控技术

・40・2019年第38卷第12期先进算法与人工智能

基于E-LSTM循环神经网络的制冷设备状态预测

徐晨蕊,贾克斌卩，,刘鹏宇心

(1.北京工业大学信息学部，北京100124；2.先进信息网络北京实验室，北京100124；

3.计算智能与智能系统北京市重点实验室，北京100124)

摘要：制冷设备是高可靠性和高安全性的复杂系统，多年的设备运行产生了大量的时间序列数据。为了

解决制冷设备运行题，提出使用改进型LSTM(Enhanced-LSTM)对制冷设备的状

进行预测。通过使用均值滤波的方数据进行预处理，，处理。对特征进行

相关性分析，选择与制冷设备状态关联系数较大的：PUE、冷、冷为研究，实

现基于E-LSTM的网络结构的设计、训练和预测，进行比较分析。通过与线性、

SVR、GRU、RNN、LSTM等模型的实验，表明了所改进的E-LSTM网络对制冷设备的运行

有更高的预测精度。对制冷设备里的重要参数进行预莎!J，在理论研究方面为制冷设备检修风险评估分

提供科学、真实、有效的数据，保证数据。

关键词：预测；深度学习；LSTM；制冷设备;智能化

中图分类号:TP18文献标识码:A文章编号=1000-8829(2019)12-0040-06

doi：10.19708/j.ckjs.2019.12.007

ARefrigerationEquipmentStatusPredictionMethodBasedonE-LSTM

XUChen-rui1,2,3,JIAKe-bin1,2,3,LIUPeng-yu1,2,3

(1.FacultyoInformationTechnology,BeijingUniversityoTechnology,Beijing100124,China;2.BeijingLaboratoryoAdvancedInformation

Networks,Beijing100124,China;3.BeijingKeyLaboratoryoComputationalIntelligenceandIntelligentSystem,Beijing100124,China)

Abstract：Refrigerationequipmentisacomplexsystemwithhighreliabilityandsafety.Equipmenthaspro­

ducedalargeamcuntotimeseriesdataformanyyearsooperation.Inordertosolvetheproblemthattheop­

erationstateotherefrigerationequipmentisdiiculttopredictaccurately,itisproposedtouseenhanced-

LSTM(E-LSTM)cycleneuralnetworktopredicttheoperationstateorefrigerationequipment.Theoriginal

datawaspreprocessedbyme