基于非负绞杀的稀疏化ONLSTM的工业软测量方法

本发明公开了一种基于非负绞杀的稀疏化ONLSTM的工业软测量方法，属于现代工业过程软测量建模和应用领域。该方法考虑复杂工业过程的非线性、动态性及变量冗余导致建模难度增加与模型性能降低的问题，将NNG算法嵌入ONLSTM网络的输入层权重矩阵与隐藏层权重矩阵，构建DNNG‑ONLSTM神经网络预测模型实现对复杂工业过程的关键质量变量的预测；在保证模型预测能力的前提下，剔除冗余输入数据。同时在其隐藏层加入NNG算法，以减少模型计算量并剔除网络模型的冗余节点，以实现模型的稀疏化，降低模型复杂性与训练难度，提高模型的泛化性能。