摘要
本发明公开一种基于LSTM的轧制板形的变化趋势预测方法，涉及带钢轧制技术领域。获取连轧生产线工业过程时序数据集；对连轧生产线工业过程时序数据集中的数据点进行预处理；按照设定比例划分为训练集和测试集，并进行Min‑Max归一化处理；确定输入步数；构建CNN‑Attention‑LSTM模型；根据确定的输入步数，利用训练集对所构建的CNN‑Attention‑LSTM模型进行训练；将测试集输入到训练后的CNN‑Attention‑LSTM模型，得到预测的板型值。利用1D CNN在局部特征提取方面的优势，又发挥了注意力机制更加灵活地分配注意力，更有效地捕捉长期依赖关系和序列中的关键特征的优势，从而实现了对轧制过程时序数据高效且准确的建模。运算速度快，利用大量的生产过程数据通过直接在计算机上编程即可实现投入使用，成本十分低廉。
