一种基于特征提取与增量学习的流程工业软测量方法

本发明提供了一种基于特征提取与增量学习的流程工业软测量方法，该方法引入了一个由多个并行的时序特征提取自编码器网络与一个回归器网络前后连接组成的端到端神经网络软测量模型，从多工序过程变量时间序列数据中提取时序特征，并将其用于性能指标软测量建模。除此之外，该方法还基于模型所提取到的时序特征，提出了一种基于时序特征的增量学习方法。本发明提供的软测量方法可以有效、准确地对流程工业中的一些难以直接测量，或者测量成本高昂的性能指标进行软测量，并且通过增量学习的方法，确保了软测量模型在实时性较强的工业数据流中长期保持较好的软测量性能，进而为流程工业生产过程中各类参数的监控、测量、优化和控制提供参考和指导。