基于LSTM的上甑酒醅温度预测模型研究

发布时间：2022-02-21 11:19

　　中国白酒酿造技术是中华五千年酒文化的传承,无论是实用价值和历史价值都是非常重要的。酿酒非常重要的步骤是蒸馏,而蒸馏的质量在于上甑工序的质量。在实现精准探气上甑的过程中,酒醅温度准确预测起着至关重要的作用。当酒醅表面有多个区域跑气时,上甑机器人就无法及时完成铺料操作,容易造成酒损,直接影响酒质。如果能够利用历史酒醅温度信息,预估未来一段时间酒醅温度的变化,将对机器人及时合理完成铺料操作有着重要作用。基于酒醅温度预测问题,文章主要的工作如下:采集劲牌酒厂上甑过程相关数据。采集的数据包含缺失值、异常值和酒甑边缘等,设计合理的预处理流程,包括使用霍夫变换提取酒醅温度数据、对缺失值合理填充、剔除异常温度值、温度矩阵旋转对齐、合理划分数据等。找出对酒醅温度有影响的重要因素,提取时间和空间相关特征。经过预处理后,准确提取了酒醅温度数据,为后续作为模型输入提供了基础。基于酒醅温度预测问题和LSTM存在的问题,设计了基于注意力机制的LSTM模型（简称ATT-LSTM）。实现有效利用LSTM中间隐层各个时刻输出,进行注意力分布的计算,对输出信息进行加权,充分挖掘酒醅温度数据背后隐藏的规律的目的。针对LST... 

【文章来源】：湖北工业大学湖北省

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
        1.2.1 温度预测研究现状
        1.2.2 时间序列预测研究现状
    1.3 主要研究内容
    1.4 论文结构
第2章 基于酒醅温度数据构建数据集
    2.1 数据采集
    2.2 数据预处理
    2.3 数据集构建
        2.3.1 特征构造和归一化
        2.3.2 训练集和测试集的划分
        2.3.3 时间序列转化有监督学习
    2.4 本章小结
第3章 基于注意力机制的LSTM模型构建
    3.1 引言
    3.2 RNN神经网络
        3.2.1 RNN神经网络的原理
        3.2.2 RNN神经网络的优缺点
    3.3 LSTM神经网络
        3.3.1 LSTM神经网络结构
        3.3.2 BPTT反向传播算法
    3.4 基于注意力机制的LSTM改进模型
    3.5 梯度下降的优化
    3.6 基于贝叶斯优化的LSTM参数优选
        3.6.1 贝叶斯优化算法
        3.6.2 算法设计
    3.7 模型的搭建与预测
    3.8 模型评价指标
    3.9 本章小结
第4章 实验及结果分析
    4.1 实验环境与数据分析
        4.1.1 实验环境
        4.1.2 数据探索分析
    4.2 相关系数分析
    4.3 实验结果与分析
    4.4 本章小结
第5章 总结和展望
    5.1 总结
    5.2 展望
参考文献
致谢
攻读硕士期间获得的学术及竞赛成果


【参考文献】：
期刊论文
[1]基于LSTM循环神经网络的故障时间序列预测[J]. 王鑫,吴际,刘超,杨海燕,杜艳丽,牛文生.  北京航空航天大学学报. 2018(04)
[2]上甑机器人在白酒固态蒸馏中的应用现状与探讨[J]. 张贵宇,庹先国,李杉,陈林,汤科元,彭英杰.  食品工业科技. 2017(13)
[3]固态蒸馏白酒的上甑自动化概述[J]. 张家双,李彬,邢恩宏,王忠.  酿酒. 2016(05)
[4]甑桶蒸馏技术在白酒生产中的应用及研究进展[J]. 陈磊,杨长牛,黄文权,刘郁葱,孙泽刚.  食品工业. 2016(08)
[5]甑桶醅层高度及结构设计对蒸馏效率及酒质的影响研究[J]. 杨平,涂荣坤,钱志伟,杨甲平,刘向阳,徐前景,李海龙,林锋.  酿酒科技. 2012(10)
[6]上甑蒸馏技术与白酒产质量的关系[J]. 李大和,李国红.  酿酒科技. 2012(01)
[7]时间序列预测模型研究综述[J]. 张美英,何杰.  数学的实践与认识. 2011(18)
[8]Time series prediction of mining subsidence based on a SVM[J]. Li Peixian,Tan Zhixiang,Yan Lili,Deng Kazhong Jiangsu Key Laboratory of Resources and Environmental Information Engineering,China University of Mining & Technology,Xuzhou 221116,China Key Laboratory of Land Environment and Disaster Monitoring of SBSM,China University of Mining & Technology,Xuzhou 221116,China.  Mining Science and Technology. 2011(04)
[9]基于LS-SVM的陶瓷窑炉温度预测控制[J]. 王思明,刘伟,张国武.  计算机测量与控制. 2011(06)
[10]白酒的甑桶蒸馏[J]. 沈怡方.  酿酒. 1995(05)



本文编号：3637145