本发明公开了一种基于时空卷积潜变量优化近邻成分分析的质量指标预测方法,该方法适用于具有强非线性、时变性及多工况的工业过程建模。首先采用二维卷积神经网络提取原始过程变量中的时空特征,获取深层时空信息;其次使用偏最小二乘法提取深层特征中的潜变量,使得后续模型建立过程中使用更少的变量来保留数据中的主要方差信息,减少运算复杂度;最后结合近邻成分分析,使得模型可以更好地应对来自于实际工业过程中的多工况引起的数据分布随机化;为验证模型预测的准确性,该方法用于废水处理过程的出水质量指标预测。实验结果表明,时空卷积潜变量与近邻成分分析的结合可明显提高模型预测的准确性,更适用于复杂工业过程的关键质量指标预测。
声明:
“基于时空卷积潜变量优化近邻成分分析的工业过程质量预测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)