摘要
本发明公开了一种基于目标相关时空编码‑任务解码的烧结终点多步预测方法,构建由多个空间注意力增强的时序卷积模块堆叠而成的时空编码器;对目标值历史序列进行完全自适应噪声集合经验模态分解,将筛选出的内在模态函数输入门控神经网络后通过全连接层,其结果输入采用时间注意力机制构建的任务特定解码器中;预处理历史工业过程生产数据以训练时空编码器和任务特定解码器构成的预测模型;预处理实时工业过程生产数据,输入训练好的预测模型,得到预测结果。本发明能够有效地从多个层次提取特征,深入挖掘目标变量历史数据中的隐含信息,显著增强模型对烧结终点状态的预测能力。
技术关键词
多步预测方法
记忆单元
卷积模块
集合经验模态分解
门控神经网络
解码器
输出特征
终点
表达式
矩阵
编码器
时序特征
时间序列数据库
sigmoid函数
注意力机制
系统为您推荐了相关专利信息
手部检测方法
特征提取模型
融合特征
卷积特征
卷积模块
车牌识别方法
车牌识别模型
定位模块
搜索算法
车牌号
图像分割模型
脑肿瘤分割方法
多模态特征融合
卷积模块
元素
相位差数据
室内定位方法
深度学习模型
5G技术
信道状态信息