基于级联注意力特征融合的门控TCN软测量方法

来源：计算机测量与控制杂志2026年第2期北京时间：

作者：孙乐,曹余庆,谢莉

摘要：针对传统TCN模型在工业过程动态建模中容易忽略时间序列连续性和局部依赖关系的问题，研究并提出了一种动态软测量模型CAFF-GTCN；通过设计一种新的级联注意力特征融合模块改进TCN中的残差连接，利用自注意力机制和多尺度通道注意力机制对不同感受野提取的特征进行融合，保证模型不会丢失重要信息；同时利用门控机制改进扩张因果卷积，并结合SELU函数增强特征提取能力；实验结果表明，所提方法显著提升了预测精度：在青霉素发酵仿真实验中，相较于传统TCN模型，CAFF-GTCN模型的RMSE和MAE分别降低了45.1%和49.4%，R2从0.992 3提升至0.998 9；在硫回收过程实验中，CAFF-GTCN模型的RMSE和MAE分别降低了38.2%和42.7%，R2从0.750 3提升至0.846 4；实验结果验证了所提方法在动态特征提取和预测精度方面的有效性和优越性。

关键词：软测量;深度学习;时间卷积网络;特征融合;门控机制

基金资助：国家重点研发计划(2022YFC3401302),中国博士后科学基金(2021M691276)