换一批基于长短期记忆神经网络的反应液葡萄糖含量预测
Content prediction of glucose in reaction solution based on long short term memory neural network
摘要目的 建立皮尔逊相关系数(Pearson correlation coefficient,PCC)和长短期记忆(long short term memory,LSTM)神经网络的反应液葡萄糖含量预测模型用以实时预测葡萄糖酸锌生产过程中反应液葡萄糖含量.方法 通过葡萄糖酸锌制备实验,结合PCC理论确定对反应液葡萄糖含量有较大影响的因素,对这些因素进行数据采集并将其作为神经网络的输入变量,采集反应液葡萄糖含量数据并进行处理,将其作为神经网络的输出变量,进而建立反向传播神经网络(backpropagation neural network,BP)和LSTM神经网络的反应液葡萄糖含量预测模型.结果 通过100次模型迭代训练,对照BP反应液葡萄糖含量预测模型可以看出LSTM反应液葡萄糖含量预测模型在测试集的误差约为0.45％,误差较小,准确度较高.结论 基于LSTM反应液葡萄糖含量预测模型显著提高了预测精度,相比现有检测方法更加智能高效,能够有效辅助生产进行.
更多相关知识
关键词
双酶法葡萄糖酸锌反应液葡萄糖含量皮尔逊相关系数长短期记忆神经网络double-enzyme methodzinc gluconateglucose content in the reaction solution.Pearson correlation coefficientlong short term memory neural network
栏目名称
DOI
10.19812/j.cnki.jfsq11-5956/ts.20231227014
发布时间
2024-05-13（万方平台首次上网日期，不代表论文的发表时间）
- 浏览0
- 被引1
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
