基于多因素耦合的水厂设备工况预测方法

本发明涉及一种基于多因素耦合的水厂设备工况预测方法，属于智能预测和深度学习技术领域。获取水厂设备工况的数据预处理为三元组数据，将三元组数据转换为向量表示，再送入特征提取模块，使用LSTM和PNA提取关系特征，使用ALN提取语境特征，将提取的特征经特征选择器后输入到改进的Transformer中，利用注意力融合机制进行融合，将融合后的事件表示输入到交叉注意力计算预测模块，计算历史事件链和各候选事件的最终相似度分数，选取相似度分数高的候选事件作为最终预测结果。该方法能够解耦设备不同工况参数之间的动态耦合关系对工况脚本事件进行预测，有效降低预测误差的链式传播，同时能够降低算法模型的复杂度和提高模型的鲁棒性。