论文部分内容阅读
铝电解生产是一个大延迟、多变量耦合和非线性的过程。铝电解槽每天的出铝量往往是根据多年积累的经验制定的,目前为止还没有一个准确的计算方案。根据电解槽的各个状态参数进行相关性分析,其中电解质水平、铝水平、槽温、分子比变化等一些列参数对出铝量的影响相对较大。本文将从操控系统得到的各参数数据集分为测试集、训练集,利用机器学习框架搭建MLP神经网络日出铝量模型,通过模型得到预测值和真实值进行对比,对误差曲线进行了分析。