典型文献
基于注意力机制的Multi-head CNN-LSTM软测量建模
文献摘要：
软测量建模通过选取辅助变量,建立辅助变量与关键质量变量关系,能够高效地实现对关键质量变量的预测.然而当辅助变量维数较高,且对关键质量变量的影响程度不一时,网络预测误差将较大.针对这一问题,提出一种基于注意力机制的Multi-head CNN-LSTM模型,首先根据辅助变量自身属性和特点将其切分成多组子变量后,使用多组独立并行工作的CNN-LSTM群对其子变量进行单独处理;再提取各组子变量上的特征向量,融合注意力机制,实现子变量特征向量的权重分配.所提算法不需提前根据工艺知识选择辅助变量,而是通过深度学习机制自动选择特征;最后,在乙烯精馏塔塔顶乙烷浓度软测量建模中进行应用,所提模型的预测精度优于LSTM以及CNN-LSTM软测量模型.
文献关键词：
软测量;卷积神经网络;长短期记忆网络;注意力机制
中图分类号：
作者姓名：
罗顺桦;王振雷;王昕
作者机构：
华东理工大学能源化工过程智能制造教育部重点实验室,上海 200237;上海交通大学电工与电子技术中心,上海200240
文献出处：
引用格式：
[1]罗顺桦;王振雷;王昕-.基于注意力机制的Multi-head CNN-LSTM软测量建模)[J].控制工程,2022(10):1821-1828
A类：
B类：
注意力机制,Multi,head,软测量建模,辅助变量,预测误差,点将,切分,其子,独处,特征向量,权重分配,工艺知识,知识选择,学习机制,乙烯精馏塔,塔顶,乙烷,软测量模型,长短期记忆网络
AB值：
0.285262
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
