基于多粒度级联循环神经网络的炉氧含量软测量建模方法

摘要

本发明公开了一种基于多粒度级联循环神经网络的炉氧含量软测量建模方法。本发明主要由多粒度滑动窗扫描和级联循环神经网络两部分组成。该方法首先使用多个不同大小的滑动窗口扫描原始输入数据集，获得的不同规模的特征向量分别经过长短时记忆单元和门控循环单元的训练，生成相应的转换特征向量；不同窗口大小对应的转换特征向量各自经过级联循环神经网络的训练得到相应的预测值，最终产生该输入样本对应的氧含量预测值。本发明不仅能够处理过程的非线性和时变性，还可以通过多粒度级联框架充分提取过程数据特征，更好地处理过程数据的多模态特性，进一步提高预测精度。