基于双偏移片段划分与自适应归一化的工业关键参数长时间预测方法

本发明针对具有时滞特性的工业过程的优化控制需求，提出了基于双偏移片段划分与自适应归一化的工业关键参数长时间预测方法。预测时，将预处理后的工业数据输入到训练过的模型中，模型首先多频段解耦降噪。然后，将低频和中频分量分别建模分支网络。对低频和中频分量分别进行了基于自适应工况划分的归一化处理。低频分量通过多层感知机进行特征提取，中频分量则采用基于双阶段偏移的片段级建模方法进行特征提取。随后，将两部分特征分别输入多层感知机获得每个分支的预测结果，并在反归一化后相加，最终生成整体预测结果。此外，本发明在采用MAE损失函数的基础上，引入了基于相对位置加权的方向对齐损失函数作为新的一项，以增强模型在训练过程中对特定层的关注度。本发明显著提高了工业关键参数的长时间预测精度，为具有时滞特性的工业过程的优化控制提供了技术支持。