基于时空特征融合的深度学习工业时序数据预测算法

本发明公开了基于时空特征融合的深度学习工业时序数据预测算法，包括输入数据准备与图构建：获取历史状态序列和控制量序列，构建表示测点空间关系的图结构，通过边索引定义每个测点的连接关系；通过GNN提取空间特征，包括未来控制量的聚合以及历史控制量的聚合，将历史状态序列与聚合后的历史控制量特征拼接，形成LSTM的输入，以捕捉时间依赖性；利用GNN聚合后的未来控制量和LSTM的最后隐藏状态，逐步生成未来的预测序列；解决了现有技术单一模型不能同时对时间特征和时序特征进行综合处理，从而影响全局预测精度的问题，结合图神经网络GNN和长短时记忆网络LSTM来提取工业时序数据的空间和时间特征，提高了预测精度。