基于双重SE注意力机制下的CNN-BiLSTM混合石墨电极位移预测模型  

作　　者：张渊硕 王子涵 

机构地区：[1]河北工程大学,河北邯郸056000

出　　处：《电脑知识与技术》2023年第31期51-54,共4页Computer Knowledge and Technology

摘　　要：石墨化是石墨电极生产核心环节,石墨电极位移预测的准确性和有效性对电极的生产质量具有重大意义。文章针对内串石墨化工艺参数与位移数据之间的关系进行建模,提出了一种引入注意力机制下的卷积神经网络(CNN)和双向长短期记忆网络(BiLSTM)混合石墨电极位移预测模型。为有效解决时间序列重要程度差异性问题,在传统SE注意力机制中增加了双重SE注意力并行模块,并用BiLSTM通过两个方向来发掘时间序列信息,有效提高模型预测度。实验结果表明,文章提出的混合网络模型能够对石墨电极位移进行有效预测,且相比于传统的SE-CNN-BiLSTM方法和主流预测方法预测准确度更高。

关 键 词：内串石墨化 石墨电极位移 卷积神经网络 双向长短期记忆 注意力机制 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]