基于PBT-DeepTCN和数字孪生的烧结终点多步预测

摘要

烧结终点位置是影响烧结矿质量和生产效率的关键参数.针对烧结终点预测中存在的指导性不足、时效性差和可视化效果弱等问题，本文构建了包括物理实体、虚拟环境、多步预测、孪生数据和虚实连接在内的数字孪生五维模型，为烧结过程提供工艺参数监控和优化指导.在预测方面，首先进行数据预处理，然后采用灰色关联度分析(GRA)筛选特征变量，最后利用基于群体的训练方法(PBT)优化的深度时间卷积网络(DeepTCN)对烧结终点进行多步预测.实验结果表明，所提数字孪生模型在不同预测步长下具有较高预测精度，为烧结领域数字化、智能化转型提供了先进思路与技术方法.

关键词

烧结终点 / 多步预测 / 数字孪生 / 深度时间卷积网络 / 超参数优化