← 返回列表
基于双流慢-非平稳快特征提取的CO2含量预测方法
摘要文本
本发明公开了一种基于双流慢‑非平稳快特征提取的CO2含量预测方法，属于软测量技术领域。所述方法考虑化工过程的慢变特性以及非平稳特性，并结合LSTM，提出一种基于双流慢‑非平稳特征提取网络，基于Siamese网络进行慢特征提取，同时设计了一种差分LSTM网络用于提取非平稳特征；预测过程中尽可能保留包含关键过程信息的慢特征和包含有短期波动和突变的非平稳快特征，从而实现对于质量变量的精准预测，而且由于慢特征是在较长时间范围内进行计算，因此提高了预测方法的抗噪声和干扰的能力，而且能够适应不同时间尺度，更好地捕捉过程的动态性。 来自马-克-数-据
申请人信息
- 申请人:江南大学
- 申请人地址:214122 江苏省无锡市滨湖区蠡湖大道1800号
- 发明人: 江南大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于双流慢-非平稳快特征提取的CO2含量预测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311415844.8 |
| 申请日 | 2023/10/30 |
| 公告号 | CN117524337A |
| 公开日 | 2024/2/6 |
| IPC主分类号 | G16C20/20 |
| 权利人 | 江南大学 |
| 发明人 | 熊伟丽; 王佳宇; 马君霞 |
| 地址 | 江苏省无锡市梁溪区通沙路898号南楼七层 |
专利主权项内容
1.一种基于双流慢-非平稳快特征提取的CO含量预测方法，其特征在于，所述方法用于预测CO吸收塔中CO含量，所述方法包括：222步骤1，获取CO吸收塔的输入变量X和质量变量y；2步骤2，基于Siamese网络和D-LSTM网络构建双流深度慢特征及非平稳快变特征提取网络TS-SNFF；步骤3，随机初始化TS-SNFF网络参数；步骤4，利用TS-SNFF中慢特征流提取慢特征Z，利用非平稳快特征流提取非平稳快特征Z；SFNFF步骤5，将慢特征Z和非平稳快特征Z利用线性层融合得到新的特征矩阵Z；SFNFF步骤6，利用多层感知机构建特征与质量变量之间的软测量回归网络；步骤7：更新TS-SNFF网络参数；步骤8：重复步骤4-步骤7直到损失函数收敛；步骤9：实时采集输入变量输入TS-SNFF以获得二氧化碳含量预测值