一种基于即时学习的深层扩展VAE软测量方法

本申请公开了一种基于即时学习的深层扩展VAE软测量方法，属于工业过程控制技术领域。在建模过程中，DE‑VAE由多层E‑VAE堆叠构成，其中E‑VAE的输出包括重构的原始输入数据、期望输出数据和先前E‑VAE的隐变量，通过复用先验信息增强提取特征与原始输入输出的相关性，同时在预训练过程中引入质量变量，增强模型对目标相关特征的提取能力。在在线预测阶段，利用即时学习对模型进行更新，设计了一种与现有软测量建模方法不同的新型建模方法，很好的提升了软测量模型的预测精度。