基于特征优选的GA-BiLSTM烧结矿中FeO含量预测模型

摘要

针对传统烧结矿质量预测模型特征选择方法单一、脱离工艺机理等问题，导致模型预测精度不高且缺乏解释性，提出了一种基于特征优选的遗传算法优化双向长短期记忆网络（GA-BiLSTM）预测模型.首先通过多种特征选择方法并且结合烧结工艺机理筛选出最佳特征集，然后利用GA优化BiLSTM，最后将最佳特征集作为GA-BiLSTM模型的输入来预测烧结矿中FeO含量.将特征优选的GA-BiLSTM模型与其他模型进行对比分析.结果表明，所建立的模型预测误差较低，并且烧结矿中FeO质量分数在允许误差±0.5%的范围内准确度为94%，表现了较高的预测精度，为提高烧结矿质量提供了新的指导方向.

关键词

烧结矿 / 特征优选 / FeO含量 / 预测模型 / 大数据