一种基于迁移学习与稀疏自注意力的化工过程关键参数成分预测方法

本发明提供了一种基于迁移学习与稀疏自注意力的化工过程关键参数成分预测方法，通过建立可迁移的稀疏自注意力网络TA‑Informer，其中运用稀疏自注意力机制能够有效刻画化工过程中的惯性及非线性的特性，同时采用最小‑最大博弈理论进行对抗学习，提高了模型的鲁棒性和隐式提取高阶统计信息的能力，此外引入了迁移学习，充分利用源域中充足的过程数据进行模型训练，利用源域预训练模型的知识，有效地将学习到的特征迁移到目标域，有效解决了离线化验分析数据样本极其稀缺导致的建模困难问题，为后续过程监测、优化和控制等操作提供了强有力的基础。