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：云南大学

摘要：本发明涉及温度预测技术领域，且公开了一种多阶段融合循环神经网络的间歇过程温度预测方法包括通过DBSCAN聚类算法识别间歇过程不同阶段；其次，为每个阶段构建RNN网络，最后，构建多阶段融合循环神经网络。该多阶段融合循环神经网络的间歇过程温度预测方法通过引入滑动窗技术构造的时序矩阵，表征了过程数据的时序相关性，通过DBSCAN聚类算法，间歇过程被自动划分为多个阶段，之后在每个阶段建立输入RNN模型，充分提取了各阶段的非线性质量相关特征，且引入自注意力机制，融合了各阶段的局部质量相关特征，并获取了包含各阶段特征和阶段之间潜在相关性的全局质量相关特征，并将全局质量相关特征输入全连接回归网络，实现多阶段间歇过程的温度预测。

主权项：1.一种多阶段融合循环神经网络的间歇过程温度预测方法，其特征在于：包括以下步骤：S1、对间歇过程的数据进行收集，并对收集的数据进行预处理，并通过DBSCAN聚类算法划分间歇过程阶段；所述步骤S1包括以下步骤：S1.1、收集m个批次的间歇过程数据Zm＝[XmYm]，其中Xm表示间歇过程控制变量数据，Ym表示温度数据，对间歇过程数据Zm进行添加窗口宽度为d的滑动窗，得到扩展后的间歇过程数据；所述步骤S1.1中扩展后的间歇过程数据表达式如下：Zi＝[XiYi] Yi∈RK-d其中，Zi表示扩展后的第i个批次间歇过程数据，Xi表示扩展后的间歇过程控制变量数据，Yi表示扩展后的温度数据，分别表示第1个变量第k-d+1个样本点，第1个变量第k-d+2个样本点，第1个变量第k个样本点；分别表示第Jx个变量第k-d+1个样本点，第Jx个变量第k-d+2个样本点，第Jx个变量第k个样本点；下标K，Jx分别表示采样点数和变量数；下标d表示滑动窗口步长；表示第i个批次控制变量由k-d+1个样本点和第dJx维组成；RK-d表示第i个批次的k-d目标温度值，维度为1；上标T表示转置；S1.2、对扩展后的间歇过程数据进行预处理，预处理包括数据的均值、标准差和归一化的计算；S1.3、通过DBSCAN聚类算法划分间歇过程阶段；所述步骤S1.3中的具体过程如下：S1.3.1、选择一个距离阈值ε和一个最小点数阈值Dmin；S1.3.2、将批次间歇过程数据Zi中的所有数据点P标记为未分类；S1.3.3、对于每个数据点P，如果数据点P的邻域内包含至少Dmin个数据点，则将P标记为核心点，并创建一个新的簇C，然后，通过密度可达性将P的邻域内的所有点添加到簇C中，如果P不是核心点但位于某个核心点的邻域内，则将P标记为边界点，并将其添加到核心点所在的簇中；S1.3.4、重复步骤S1.3.3，直到所有数据点都被访问；S1.3.5、将同属于同一阶段的I批次过程数据堆叠在一起，即为将同一簇C中所有的数据堆叠在一起，按照时序顺序进行排列，构成局部阶段数据集hlocal＝[h1l，h2l，...，hcl]，其中hcl表示局部阶段数据的第，个潜变量特征第c个元素，l表示潜特征数量，c表示局部阶段数据集中的第c个元素；S2、通过RNN网络提取多阶段的特征，用于对步骤S1中划分的各个阶段进行特征提取，并完成多阶段融合循环神经网络的建立；所述步骤S2的具体步骤如下：S2.1、使用RNN网络对局部阶段数据集hlocal进行特征提取，得到局部阶段特征矩阵Hlocal，并将局部阶段特征矩阵Hlocal输入到自注意力网络中，得到查询向量Q＝WqHlocal、键向量K＝WkHlocal和值向量矩阵V＝WvHlocal，其中，Wq、Wk和Wv分别表示对应查询向量Q、键向量K和值向量矩阵V的超参数；S2.2、利用注意力矩阵AttQ，K，V建立全局特征，得到融合特征hglobal，注意力矩阵AttQ，K，V具体计算表达式如下： 其中，AttQ，K，V表示注意力函数，表示对内部数据进行求和，Softmax[*]表示将实数向量转换为概率分布的函数；similarityQ，Ki表示计算查询向量Q和第i个键向量Ki之间的相似度，下标i表示第i个键向量，ViT表示第i个值向量的转置；融合特征hglobal通过将查询向量Q＝WqHlocal、键向量K＝WkHlocal和值向量矩阵V＝WvHlocal带入至注意力矩阵AttQ，K，V中加权计算得出;S2.3、通过融合特征hglobal输入RNN网络的全连接回归层来预测温度输出，具体表达式如下： 其中，表示温度预测值，σy表示激活函数，hglobal表示融合特征，Wy表示对于温度预测y时刻权重，by表示温度预测y时刻偏置；S2.4、通过最小化无约束优化表达式来对误差进行计算，完成多阶段融合循环神经网络的建立，具体计算表达式如下： 其中，Lθ表示最小化目标函数，n表示总样本数，表示第i个样本温度预测值，yi表示第i个样本当前温度值，||*||2表示计算2范数；S3、收集多个批次间歇过程数据，将收集的数据按阶段划分，并送入步骤S2中建立的多阶段融合循环神经网络得到预测值。

全文数据：

权利要求：

百度查询： 云南大学 一种多阶段融合循环神经网络的间歇过程温度预测方法