一种基于并行化的循环网络的设备状态预测方法

一种基于并行化的循环网络的设备状态预测方法，步骤为：S1、对GRU网络架构进行改进；S2：用GELU前馈网络提取输入时序深层特征模式；S3：加噪声模块，实现并行训练与顺序预测一致；S4：用RMSNorm提升模型效率与稳定性；S5：采用因果卷积捕捉长周期因果时序信息；S6：用残差连接加深、堆叠组合各模块；S7：用ADAMW优化器，叠加动力学和预测损失进行优化；S8：输入历史和未来控制量信息，输出差分历史与未来预测，算均方误差提升性能；S9：根据预测结果进行设备状态预警。相比传统LSTM模型，该方法预测误差降低，单序列推理时间大幅缩短，为工业设备状态的精准、高效预测提供了有力解决方案。