基于结构化状态空间模型的动态主蒸汽压力预测方法

本发明公开了一种基于结构化状态空间模型的动态主蒸汽压力预测方法，通过模态划分将历史数据划分为多个模态；通过结构化状态空间模块提取不同模态包含动态信息的潜变量；通过域泛化方法将两两域间的分布进行对齐，通过构造域泛化损失，减小不同域间分布差异；构建由全连接层组成的回归模块，输入对齐的潜变量得到动态主蒸汽压力的预测值；构建联合损失函数训练模型，实现动态主蒸汽压力的超前预测。本发明结合结构化状态空间模块与域泛化方法，在捕获系统的机理和动态特性的同时减小数据分布动态变化产生的差异，通过匹配不同时期的分布来学习不同时期所共有的知识，实现了动态主蒸汽压力的准确和超前预测。