针对重介分选的智能化发展需求,根据重介精煤灰分数据噪声特征及灰分过程控制对灰分预测精度、预测时长的要求,提出了基于EMD-LSTM的重介精煤灰分时间序列预测方法。首先,通过经验模态分解（EMD）算法将重介精煤灰分时序数列中的不同尺度分量逐级分解出来,生成一系列具有相同特征尺度的本征模函数,从而去除一定噪声影响;其次,进一步借助于长短期记忆（LSTM）神经网络可解决数据的长期依赖问题,从而在长时间视野预测方面表现更为突出。该方法应用于实际数据集的短期预测,实验结果表明,对LSTM神经网络进行参数寻优后,基于EMDLSTM的重介分选精煤灰分指标时间序列预测方法中,去除IMF1分量的模型所得的预测结果具有最小的标准差σ（0.1481）和平均绝对误差λ（0.1184）,去除噪声后的EMD-LSTM模型可使预测准确性显著提高,能够有效解决精煤灰分预测的问题。

1 重介精煤灰分时间序列预测方法
1.1 重介精煤灰分预测的必要性
1.2 重介精煤灰分预测方法基本框架
1.2.1 EMD和LSTM
1.2.2 预测方法基本框架
1.3 时间序列预测方法构建基本过程
1.3.1 精煤灰分时序信号的EMD分解
1.3.2 IMF分量和残差r(t)的LSTM预测
1.3.3 各分量预测的时间序列选择性重构
1.4 时间序列预测方法结构原理图
2 重介精煤灰分数据分析
2.1 EMD分解精煤灰分数据结果
2.2 时序分量LSTM预测分析
2.2.1 评价指标
2.2.2 实验设置
2.2.3 实验结果
3 结论