[发明专利]一种基于耦合双向信息过滤长短期记忆网络的工业软传感器建模方法

权利要求书

1.一种基于耦合双向信息过滤长短期记忆网络的工业软传感器建模方法，其特征在于，至少包括以下步骤：

步骤S1：搜集软测量任务的数据集，并进行预处理；

步骤S2：创建耦合双向信息过滤长短期记忆网络模型，并在训练集进行监督训练；

步骤S3：使用耦合双向信息过滤长短期记忆网络模型对测试集进行测试；

其中，步骤S2包括以下步骤：

步骤S21：将训练集中的过程变量子序列输入耦合双向信息过滤长短期记忆网络并输出对应质量变量的预测值；其中，预测t时间步的样本时，网络输入过程变量子序列{x_t-k+1,x_t-k+2,…,x_t}，网络计算后输出对应子序列的质量变量y_t的预测值y_t；计算由反向循环、正向循环两个循环神经网络层完成，其计算方式如下：

其中，y_t为质量变量y_t的预测值，代表反向长短期记忆网络层，代表正向信息过滤长短期记忆网络层；

步骤S22：计算目标函数loss，并利用优化算法求解使得目标函数最小的模型参数，并将耦合双向信息过滤长短期记忆网络模型及最优参数存储，目标函数计算方式如下：

其中j∈Train表示对训练集中所有样本进行计算，m为训练集样本数。

2.根据权利要求1所述的基于耦合双向信息过滤长短期记忆网络的工业软传感器建模方法，其特征在于，步骤S1进一步包括以下步骤：

步骤S11：搜集用于软测量建模的数据D＝{X,Y}＝{(x_i,y_i)}，其中i∈1,2,…,n，n为搜集的样本数，x_i为i时间步的过程变量，y_i为i时间步的质量变量；

步骤S12：对搜集到的数据集进行预处理；其中，步骤S12包括：

步骤S121：对搜集到的序列数据进行窗口化处理，得到一系列较短的子序列，其中，是j时间步对应的过程变量子序列，是j时间步对应的质量变量，j∈k,k+1,…,n，k为窗口大小；

步骤S122：将窗口化序列按照1:1比例随机划分，得到训练集与测试集