水泥煅烧过程是复杂且连续的工艺过程,具有时变时延性、非线性和不确定性等特征。水泥煅烧过程电耗和煤耗的准确预测可以为水泥生产的节能降耗和生产管理调度提供充足信息依据,因此水泥煅烧能耗的预测具有重要的意义。水泥煅烧过程中的特性导致难以建立准确的水泥煅烧能耗预测模型,所以提出了滑动窗口深度信念网络水泥煅烧能耗预测模型(Sliding Window Deep Belief Network,SW-DBN)。为了解决难以确定最优模型结构的问题,进一步提出了改进粒子群优化算法(Improved Particle Swarm Optimization,IPSO)对SW-DBN结构参数进行优化,实现了水泥煅烧过程能耗的精确预测和模型结构的自动寻优。具体研究工作如下:首先,介绍新型干法水泥生产工艺,具体分析水泥煅烧过程的重要工序,了解时变时延特性、非线性和不确定性对能耗预测的影响。通过研究水泥生产变量和煅烧过程电耗和能耗的影响关系,确定预测模型的相关输入变量。其次,针对水泥煅烧过程的时变时延性、非线性和不确定性特征,建立了基于滑动窗口深度信念网络的水泥煅烧能耗预测模型。该模型采用滑动窗口技术将包含时变时延信息的时序数据映射到预测模型的输入层中,然后利用深度信念网络学习和挖掘输入数据与能耗数据之间的变化规律。这种模型设计避免了复杂的时序匹配问题,消除了时变时延特性对能耗预测的影响,实现了水泥煅烧过程能耗的精确预测。最后,针对难以确定SW-DBN模型最优结构参数的问题,提出了基于改进粒子群算法的SW-DBN结构参数优化模型。该模型在基本粒子群优化算法的基础上设计添加惯性权重和自适应学习因子,使得粒子群可以根据每次迭代的适应度值更新粒子的速度和位置,降低了粒子群陷入局部最优的可能性。然后以SW-DBN模型的训练均方误差为优化目标,优化得到最优的结构参数,既解决了人工选取模型参数繁琐且低效的缺点,又提高了SW-DBN模型的能耗预测精度。