基于联邦学习和LSTM的复杂工业过程积木式建模方法

一种基于联邦学习和LSTM的复杂工业过程积木式建模方法，根据已有的N个相似的工业过程，在工业过程运行的稳定范围内对其进行数据采样；同时，收集新的工业过程的新工业过程数据集；利用M个典型环节的mi组过程数据和LSTM神经网络分别训练对应典型环节的联邦学习模型，得到M个典型环节基础模型；根据新的工业过程所需的典型环节下载其相应的联邦学习模型并且利用新过程训练集对其进行本地微调；按照实际的工业流程，将典型环节的模型进行串行连接，以上一个典型环节的模型的输出以及其余外部输入作为下一个典型环节的输入，最终得到新的工业过程模型的输出。该方法可以有效的降低建模成本，加快建模速度，提高建模精度。