标题：基于机器学习的火电厂煤位预测研究
作者：刘庆龙 陈鲤文
作者单位：福建理工大学电子电气与物理学院，福建 福州 350118
关键字：机器学习；LSTM；煤位预测
摘要：针对火电厂煤位的不稳定和堆积满仓的安全问题以及为了保障电力生产的稳定性和效率，提出了一种基于机器学习算法的火电厂煤位预测的方法。首先，对火电厂的煤位数据进行收集和处理，然后搭建了随机森林（RF）、卷积神经网络（CNN）以及长短期记忆神经网络（LSTM）进行回归预测，并且采用平均绝对误差（MAE）、均方根误差（RMSE）以及可决系数（R2）这三个评价指标，评估预测结果的精确性和稳定性。通过对比这些指标，能够得出结论：在预测煤位的任务中，LSTM模型的性能超过了RF和CNN模型。