一种基于半监督双导自编码模型的工业软测量方法

本发明涉及一种基于半监督双导自编码模型的工业软测量方法。该方法充分考虑工业过程数据的特性，在预训练阶段采用堆叠双导自编码器结构，通过最小化质量变量的预测误差和相对于输入变量的重建误差之和来增强预训练阶段与质量相关的特征学习。利用半监督学习策略，将无标签数据与有标签数据相结合，对模型参数进行优化。引入即时学习策略，快速适应生产过程的动态变化。与现有的方法相比，该方法可以有效区分对预测任务更为关键的特征，并且有效解决了传统方法难以应对的时变问题。不仅能高效捕捉与质量变量相关的特征，并且能够持续从新数据中学习，快速适应生产过程的动态变化，为工业过程的精准监测与预测提供有力支持。