基于时间序列对齐和TCNformer的重介精煤灰分多步预测

作     者：王珺 王然风 魏凯 韩杰 张茜 WANG Jun;WANG Ranfeng;WEI Kai;HAN Jie;ZHANG Qian

作者机构：太原理工大学矿业工程学院山西太原030024 

出 版 物：《工矿自动化》 (Journal Of Mine Automation)

年 卷 期：2024年第50卷第5期

页      面：60-66页

学科分类：081902[工学-矿物加工工程] 0819[工学-矿业工程] 08[工学] 

基　　金：国家自然科学基金项目(52274157) 内蒙古自治区重点专项项目(2022EEDSKJXM010) 山西省重点研发计划项目(202102100401015) 

主　　题：重介分选 精煤灰分预测 滞后相关性 时间序列 TCNformer 双向编码器 

摘      要：由于在重介分选过程中各个传感器位置不同,导致重介分选主要工艺参数与灰分存在时间滞后,影响了精煤灰分结果。基于回归模型的灰分预测方法缺乏对时间序列信息的利用,无法捕捉重介生产过程随时间变化的动态特性;基于时间序列的灰分预测方法未能充分考虑灰分和重介分选主要工艺参数之间的时间依赖关系。针对上述问题,提出了一种基于时间序列对齐和TCNformer的重介精煤灰分多步预测方法。通过滞后相关性分析来量化灰分与重介分选主要工艺参数之间的滞后步长,依此对重介分选主要工艺参数在时间维度上进行移动,使得灰分和重介分选主要工艺参数时间序列对齐,消除灰分和重介分选主要工艺参数之间的时间滞后。在Transformer模型的基础上,引入时间卷积网络(TCN)提取特征,并将单向编码器扩展为双向编码器,构建了TCNformer模型来实现精煤灰分多步预测。将时间序列对齐得到的与未来时刻灰分数据对应的过程变量序列作为解码器的输入,以提升模型预测精度。实验结果表明:该方法的平均绝对误差为0.1579%,均方根误差为0.2152%,平均皮尔逊相关系数为0.5051,能有效提升精煤灰分预测精度。