基于目标自适应-层级融合Transformer的工业质量变量预测方法

本发明公开了一种基于目标自适应‑层级融合Transformer的工业质量变量预测方法。本发明为解决真实工业生产中的关键质量变量难以实时检测的问题，通过构建TAIF‑TF模型对关键质量变量进行预测；采集真实工业生产中的过程数据对TAIF‑TF模型进行训练；模型中每层编码器具有目标自适应注意力层、多头注意力层和掩码多头注意力层。将当前编码器层的输出作为下一层编码器的输入，每层编码器的输出再经过层级融合注意力层，获取不同的层级注意力权重，加权得到最终输出；最后通过线性回归层计算得出预测的关键质量变量。本发明能够更精准地捕捉关键质量变量与辅助变量之间的复杂关系，显著提高了预测结果的准确性，增强了模型对复杂工业过程的适应能力；适用于多种工业场景；且能够高效处理大规模或高维数据。