一种异烟酸收率预测方法及系统

本发明公开了一种异烟酸收率预测方法及系统，通过SKNet注意力机制、CKAN、Log‑Cosh Loss损失函数和SRU神经网络构建融合模型；采用河马优化算法对融合模型的超参数进行优化；采用优化后的融合模型通过高维特征对异烟酸收率进行预测；采用主成分分析对原始数据进行降维处理；将余弦相似度引入K最近邻算法，采用K最近邻算法通过低维特征对异烟酸收率进行预测；根据融合模型和K最近邻算法的精度，计算两个模型预测结果的加权平均值作为最终预测值。与现有技术相比，本发明通过生产计划数据和生产过程中采集的实际生产数据对异烟酸收率进行实时预测，具备预测结果快速且准确的优点，最终提高了异烟酸的收率。