关键词：长短时记忆神经网络 时间序列预测 工业互联网设备 

摘要：随着工业互联网技术的发展,工业互联网设备的工作状态预测对于提升设备的可靠性具有重要意义。在实际的工业场景中,由于设备数据高度离散且在多个时间段内相互重合,简单的单信号预测和阈值方法是无效的。本文提出一种基于LSTM(长短时记忆)神经网络的设备工作状态预测模型。首先使用SMOTE算法进行数据倾斜处理,利用PCA算法进行数据降维,之后基于LSTM神经网络构建设备工作状态预测模型,最后利用F1分数值进行模型评估。本文基于真实的空调压缩机数据进行实验验证,实验结果表明了本文方法的有效性。

计算机与现代化杂志要求:

{1}参考文献：执行国标“文后参考文献著录规则（GB/T7714－2005）”，中文参考文献需要有英文对照。

{2}应具创新性、科学性、实用性，论点明确，资料可靠，数据准确，层次清楚，文字精练，用字规范。

{3}拟刊登的稿件，编辑部会及时将录用通知单及修改意见反馈给作者，作者应及时将修改稿返回编辑部，在没有约定的前提下超过3个月期限未修回，将被视为自动放弃。

{4}正文标题层次一级标题1，2，…，二级标题用1．1，1．2，…，三级标题用1．1．1，1．1．2，…，以此类推。标题层次一般不超过4级。

{5}关键词应有3～5个。词与词之间用分号分隔。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社