基于堆叠网络模型对稀疏小样本工业过程质量预测的方法

本发明提供了一种基于堆叠网络模型对稀疏小样本工业过程质量预测的方法，采集工业生产过程的终点质量报表数据；按缺失率对采集的数据进行分层处理，并结合四分位距法和生产经验剔除异常数据；采用条件生成对抗网络生成合成数据扩展小样本数据集；基于SHAP值的累计贡献率筛选法获取第一层基础模型；构建堆叠集成学习模型第一层并利用贝叶斯优化调整超参数；搭建Ridge元学习器整合基础模型输出并搭建第二层网络；采用六折交叉验证训练模型；基于测试集通过多指标量化模型预测性能；利用真实转炉生产数据验证终点磷含量及温度的预测精度。该方法能实现复杂工业生成过程终点质量指标的高精度预测，有利于确保产品质量和提升生产效率。