基于AMSDAE-BLSTM的工业过程质量预测

来源：电子测量技术杂志2023年第4期北京时间：

作者：郭小萍，钟道金，李元

单位：沈阳化工大学信息工程学院 沈阳 110142

摘要：针对具有噪声干扰及延迟等特性的工业过程质量预测，本文提出了一种嵌入注意力机制的堆叠降噪自编码器与双向长短期记忆网络的方法。首先以无监督方式构建自编码器模型，利用高斯噪声对工业数据进行一次重构以实现去噪及去冗余作用；再次嵌入注意力机制对过程变量权重分配进行二次重构以实现深度特征提取；最后采用双向长短期记忆网络学习重构数据的时间序列趋势特征，克服数据间的延迟性，充分挖掘过程变量与质量变量间的潜在关系，实现精准预测。通过脱丁烷过程的单质量变量预测和硫磺回收过程的多变量质量预测仿真实验,验证了本文方法比BP、LSTM、BLSTM和DAE-BLSTM方法具有更精确的预测效果。

关键词：质量预测;堆叠降噪自编码器;注意力机制;双向长短期记忆网络

基金资助：国家自然科学基金(61673279)、辽宁省教育厅项目(LJ2020021)资助