基于多层次特征分解算法的化工生产数据异常判别方法及系统

本发明公开了一种基于多层次特征分解算法的化工生产数据异常判别方法及系统，属于化工生产安全管理技术领域。本发明包括：数据采集与预处理；采用多层次特征分解算法SFDL对预处理后的时间序列数据Yt进行特征分解，将其分解为季节性分量St、趋势性分量Tt以及残差分量Rt；通过多层次回归模型进一步对残差分量Rt进行多层次分解；基于LSTM深度学习模型对当前生产数据进行预测，得到生产数据的预测值Xs；根据生产数据的合格值X、测量值Xi和预测值Xs，计算参数总异常评价值D，从而判断化工生产数据的异常情况。本发明通过结合多层次特征分解与深度学习模型，能够有效提高化工生产数据异常判别的准确性和实时性，实现化工生产过程的安全、可靠预警。