买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：河南省锅炉压力容器检验技术科学研究院

摘要：本发明涉及一种基于FEDformer的工业锅炉水质预测方法，包括：采集工业锅炉水质参数数据集，将锅炉水质数据集划分为训练集与测试集；基于Transformer设计神经网络模型——FEDformer；利用构建的训练集对神经网络模型进行训练，并用测试集对神经网络模型性能进行测试；利用训练后的FEDformer神经网络模型对水质数据进行预测，得到水质参数预测值。本发明很好解决了长时间序列预测问题中，并且大幅提高了预测精度和模型运行效率。

主权项：1.一种基于FEDformer的工业锅炉水质预测方法，其特征在于，包括如下步骤：S1、采集工业锅炉水质相应参数不同时间点对应数值，如pH、EC、TDS参数值，解析水质参数形成表格数据，多个表格数据作为水质数据集，将水质数据集划分为训练集与测试集；S2、设计水质预测的基础神经网络模型；所述基础神经网络模型为Transformer结构，包括编码器Encoder与解码器Decoder，其中，编码器和解码器包括四种子模块：包括频率学习模块FrequencyEnhancedBlock、周期-趋势分解模块MOEDecomp、前向传播模块FeedForward、频域注意力模块FrequencyEnhancedAttention。在FEDformerEncoder中输入经过两个MOEDecomp层，每层会将信号分解为seasonal和trend两个分量。其中，trend分量被舍弃，seasonal分量交给接下来的层进行学习，并最终传给解码器。在FEDformerDecoder中输入经过三个MOEDecomp层并分解为seasonal和trend分量。其中，seasonal分量传递给接下来的层进行学习，其中通过频域AttentionFrequencyEnhancedAttention层对编码器和解码器的seasonal项进行频域关联性学习，trend分量则进行累加最终加回给seasonal项以还原原始序列.其中FEB与FEA结构分别如附图3、4所示。S3、对基础网络神经模型进行训练，利用训练集对基础神经网络模型进行训练，得到初步优化神经网络模型；用测试集对初步优化神经网络模型的性能进行初步测试，测试的参数包括：MAE、MSE的的计算公式分别如下： 其中，n为输出数量、为预测值、yi为实际观测值；测试其性能是否满足以下条件，其性能参数范围值：MAE＝0.7，MSE＝0.7；S4、对需要进行水质预测的锅炉进行数据采集；S5、通过S3中已经形成神经网络模型对水质历史数据进行分析，从而得到水质预测结果。

全文数据：

权利要求：

百度查询： 河南省锅炉压力容器检验技术科学研究院 基于FEDformer的工业锅炉水质预测方法