基于动态特征提取与局部加权深度学习的软测量建模方法

摘要

本发明公开了一种基于动态特征提取与局部加权深度学习的软测量建模方法，该方法首先基于具有注意力机制的长短时记忆编码解码器构建深度动态特征提取网络，将时间序列样本映射为一组深层动态特征，然后将其与原始输入特征合并，构建局部加权自编码回归网络，对工业过程关键质量指标进行软测量预报。相比目前的其它方法，本发明可以有效提取工业数据中蕴含的非线性动态特征，大大提升工业过程软测量模型的预报性能，减小预报误差，更加精准地反映工业生产状况。