相关实验视频
Updated: Jul 24, 2025

09:17
Surrogate Model Development for Digital Experiments in Welding
Published on: March 28, 2025
1.1K
用模型预测和自适应性深度学习对化炉组的需求峰值预测
概括
化生产的需求峰值需要预测,以防止停电. 这项研究提出了一种使用自适应深度学习和终端云协作进行准确需求预测的智能预测方法.
科学领域:
- 工业工程 工业工程 工业工程
- 人工智能的人工智能
- 过程控制 过程控制
背景情况:
- 化生产工艺 (FMPP) 呈现需求高峰,可能导致停电.
- 准确的多步需求预测对于防止不必要的停电至关重要.
研究的目的:
- 为FMPP开发一个动态需求模型.
- 为炉组创建一个智能,多步骤的需求预测方法.
主要方法:
- 开发了一个基于炼电流控制系统的动态需求模型.
- 结合系统识别与适应性深度学习进行预测.
- 利用终端云协作进行智能预测.
主要成果:
- 拟议的方法准确地预测了FMPP的需求峰值.
- 工业大数据和协作技术验证了预测的准确性.
结论:
- 智能预测方法有效预测需求峰值,防止停电问题.
- 终端云协作提高了工业需求预测的准确性和可靠性.

