پیش بینی چراغ به کمک روش ترکیبی شبکه عصبی رگرسیون تعمیم یافته - ماشین تقویت شده ی گرادیان نور

هدف از نگارش مقاله، پیش بینی چراغ با دقت بالا و مدت زمان مناسب قبل از وقوع آن، در صنعت تولید آلومینیوم می باشد. بدین منظور از ترکیب دو الگوریتم شبکه عصبی رگرسیون تعمیم یافته و ماشین تقویت شده ی گرادیان نوراستفاده شده است. ۱۸ مدل شبکه عصبی رگرسیون تعمیم یافته برای ۱۸ سلول الکترولیز بطورجداگانه با دقت های متفاوت ایجاد شده است . و فقط یک مدل کلی برای ۱۸ سلول به کمک الگوریتم LightGBM ایجاد شد. هنگام پیش بینی چراغ، در صورتی که مدل مختص یک سلول دقتش کمتر از تک مدل کلی LightGBM باشد از LightGBM استفاده خواهد شد. و در غیراینصورت از مدل خاص هر سلول با الگوریتم GRNN استفاده خواهد شد. پیش بینی چراغ برای ۱۵ دقیقه قبل از وقوع آن انجام شده است. میانگین دقت الگوریتم ترکیبی در حدود ۹۹ درصد بوده است.