Гибридная модель LSTM-DNN, прогнозирующая расход топлива самосвалов при открытой добыче полезных ископаемых
Аннотация
Дата поступления статьи: 03.12.2023На топливную эффективность самосвалов влияют такие переменные реального мира, как параметры транспортного средства, дорожные условия, погодные параметры и поведение водителя. Прогнозирование расхода топлива за поездку с использованием динамических данных о состоянии дорог может эффективно сократить затраты и время, связанные с испытаниями на дорогах. В данной статье предлагаются новые модели для прогнозирования расхода топлива самосвалов на открытых горных работах. Модели объединяют локально собранные данные с датчиков самосвалов и анализируют их для расширения своих возможностей. Архитектурный дизайн состоит из двух отдельных частей, первоначально основанных на двойной долговременной кратковременной памяти (LSTM) и двойных плотных слоях глубоких нейронных сетей (DNNs). Новая гибридная архитектура улучшает производительность предложенной модели по сравнению с другими моделями, особенно с точки зрения измерения точности. Показатели MAE, RMSE, MSE и R2 свидетельствуют о высокой точности прогноза.
Ключевые слова: алгоритм LSTM, DNN, плотность, прогнозирование, расход топлива, карьеры
.