基于相似度多源域迁移学习策略的间歇过程质量预测方法

摘要

一种基于相似度多源域迁移学习策略的间歇过程质量预测方法，通过采集目标域和源域过程的输入输出数据，将多个源域旧过程和目标域新过程的三维输入数据按批次方向展开为二维数据矩阵，对所有过程的输入输出数据进行标准化；通过数据之间的欧式距离计算每个源域旧过程与目标域新过程的相似度，同时计算每个源域旧过程的样本数量，确定影响迁移效果的两个主要因素，基于这两个主要影响因素给出三个具体的选择和标准：拒绝迁移、择优单迁、多源集成迁移，在尽可能避免“负迁移”的同时，利用多个相似源域中旧流程的数据信息，减少数据资源的浪费，提高迁移学习的效率和灵活性，更好地协助并加速目标域中新过程的建模，从而提高质量预测的准确性。