本發明公開了一種基于時空卷積潛變量優化近鄰成分分析的質量指標預測方法,該方法適用于具有強非線性、時變性及多工況的工業過程建模。首先采用二維卷積神經網絡提取原始過程變量中的時空特征,獲取深層時空信息;其次使用偏最小二乘法提取深層特征中的潛變量,使得后續模型建立過程中使用更少的變量來保留數據中的主要方差信息,減少運算復雜度;最后結合近鄰成分分析,使得模型可以更好地應對來自于實際工業過程中的多工況引起的數據分布隨機化;為驗證模型預測的準確性,該方法用于廢水處理過程的出水質量指標預測。實驗結果表明,時空卷積潛變量與近鄰成分分析的結合可明顯提高模型預測的準確性,更適用于復雜工業過程的關鍵質量指標預測。
聲明:
“基于時空卷積潛變量優化近鄰成分分析的工業過程質量預測方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)