基于ARIMA-LSTM模型的卷烟制丝质量预测研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：为了应对卷烟制丝工艺中的不确定性所带来的质量风险，提出了一种将差分移动平均自回归（ARIMA）模型与深度学习中的长短期记忆单元（LSTM）模型相结合的制丝质量数据预测方法，井用该方法对某卷烟企业制丝工艺中的加热处理（HT）出口温度和叶丝增温增湿的入口水分进行预测，以均方根误差（RMSE）、平均绝对误差（MAE）和平均绝对百分比误差（MAPE）为指标来评估各模型的预测精度。（剩余258字）

试读结束

目录
monitor