一种基于即时学习和随机向量函数链接神经网络的马蹄焰玻璃窑炉温度分布预测方法、系统、计算机设备及存储介质

本发明涉及数据处理技术领域，特别是一种基于即时学习和随机向量函数链接神经网络的马蹄焰玻璃窑炉温度分布预测方法、系统、计算机设备及存储介质。包括如下步骤：建立基于核等度量映射的非线性时域转换模型，通过非线性时域转换模型将马蹄焰玻璃窑的时空温度向量T(S，t)转化为时间变量a(t)；建立基于即时学习的低阶非线性时序模型，在即时学习框架下，根据样本相似性，利用第一步获得的时间变量a(t)构造训练样本集；随机向量函数链接神经网络算法预测下一时刻时间变量采用的KISOMAP方法能很好地处理非线性数据，尽可能多的保留了时空数据的信息。基于即时学习的框架开发了低阶非线性时序模型，可以很好地学习数据的强非线性特征，且运算速度快，结构简单。