基于LSTM-Informer的循环冷却水系统结垢预测研究

　　

循环冷却水系统结垢会降低换热效率，增加设备能耗与维护成本，影响工业系统安全运行。针对传统结垢预测方法难以处理多源水质参数耦合关系与长期历史工况累积效应的问题，提出一种基于LSTM-Informer的循环冷却水系统结垢预测模型。利用长短期记忆网络(LSTM)提取水质参数短期连续变化特征，并通过Informer稀疏自注意力机制学习长时间窗口内关键历史工况对结垢状态的影响；以综合结垢量为预测目标，并与传统模型进行对比。基于某化工厂循环冷却水系统3年实际运行数据开展模型训练与验证，结果表明，模型在均方根误差(RMSE)、平均绝对误差(MAE)等指标上均取得较优结果，可为系统药剂投加、排污补水和清洗维护提供预测参考。

订阅方式：
①在线订阅（推荐）：www.sdchem.net.cn
②邮局订阅：邮发代号24-109

投稿方式：
①在线投稿（推荐）：www.sdchem.net.cn
　　作者只需要简单注册获得用户名和密码后，就可随时进行投稿、查稿，全程跟踪稿件的发表过程，使您的论文发表更加方便、快捷、透明、高效。
②邮箱投稿：sdhgtg@163.com sdhg@sdchem.net
　　若“在线投稿”不成功，可使用邮箱投稿，投稿邮件主题：第一作者名字/稿件题目。
投稿时请注意以下事项：
　　①文前应有中英文“题目”、“作者姓名”、“单位”、“邮编”、“摘要”、“关键词”；
　　②作者简介包括：姓名、出生年、性别、民族、籍贯或出生地、工作单位、职务或职称、学位、研究方向；
　　③论文末应附“参考文献”，执行国标GB/T7714-2005标准，“参考文献”序号应与论文中出现的顺序相符；
　　④注明作者的联系方式，包括电话、E-mail、详细的通讯地址、邮编，以便联系并邮寄杂志。
　　 　                                                                                   山东化工稿件修改细则