-
公开(公告)号：CN117494007A
公开(公告)日：2024-02-02
申请号：CN202311506756.9
申请日：2023-11-13
Applicant: 郑州轻工业大学 , 中国烟草总公司郑州烟草研究院 , 陕西中烟工业有限责任公司
IPC: G06F18/243 , G06F18/2415 , G06F18/213 , G06F18/15 , G06N3/045 , G06N3/0442 , G06N3/048 , G06N3/047 , G06N3/08 , G06Q10/04 , G06Q50/04
Abstract: 本发明公开了一种双重注意力机制和XGBoost的出口水分动态预测方法，采用互信息对过程变量初步特征筛选，选择与出口水分相关性最大的输入，降低特征维数，简化模型复杂度；其次，引入特征注意力机制，捕捉不同过程变量与出口水分之间的非线性关系，突出关键部分权重；在BiLSTM提取时序特征基础上，引入时间注意力机制挖掘过程变量不同时刻，自主选取历史信息关键时间点，将加过权重的变量放入BiLSTM中来进一步学习变量的深层特征。最后，建立基于XGBoost的干燥过程模型，实现出口水分精准预测；实验结果验证本文算法的可行性和有效性。本发明能够实现过程变量自动赋权重信息，以高精度预测烟丝水分的变化趋势。
-
公开(公告)号：CN117828971A
公开(公告)日：2024-04-05
申请号：CN202311499875.6
申请日：2023-11-13
Applicant: 郑州轻工业大学 , 中国烟草总公司郑州烟草研究院 , 陕西中烟工业有限责任公司
IPC: G06F30/27 , G06F18/25 , G06N3/0464 , G06N3/0442 , G06N3/045
Abstract: 本发明公开了一种基于深度学习和信号分解结合的润叶含水率预测方法，利用ReliefF方法从多源数据中筛选出与含水率最相关的特征作为模型的初始输入变量；然后，利用时间注意力机制对不同变量赋予动态权重，通过CNN提取有效特征作为GRU的输入，用于捕捉输入数据的长期时序依赖特征；同时，另外构建一个并行GRU，使用VMD对历史含水率数据进行分解作为GRU的输入，用于捕捉与含水率相关的非线性动态特征；最后，使用拼接层将两个并行特征信息融合为深层时空表征，并输入到全连接层网络中实现出口含水率的预测。本发明方法能够实现准确可靠的含水率预测，为操作人员提供有效的决策参考。
-
公开(公告)号：CN117891289A
公开(公告)日：2024-04-16
申请号：CN202410069184.0
申请日：2024-01-17
Applicant: 郑州轻工业大学
IPC: G05D23/20 , G06Q10/04 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本发明提供了一种回转窑烧结温度概率区间预测方法、系统及装置，引入了并行的多头自注意机制。通过将多头自注意特征与烧结温度预测模型的上下文向量融合，为解码器提供更丰富的信息，从而提高对输入序列中复杂动态关系的理解能力，增强对长期依赖关系的建模能力。此外，本发明还采用高斯过程回归(GPR)方法进行烧结温度的概率区间预测。GPR可以按照预测的先验分布和已有数据集，推断后验分布并建立概率预测模型。相比确定性方法，GPR预测包含了参数估计的不确定性，提供概率预测区间，更好地指导过程控制决策。
-
公开(公告)号：CN117592806A
公开(公告)日：2024-02-23
申请号：CN202311548878.4
申请日：2023-11-21
Applicant: 郑州轻工业大学 , 中国烟草总公司郑州烟草研究院
IPC: G06Q10/0637 , A24B3/04 , G06Q50/04 , G06F18/10 , G06F18/214 , G06N3/0464 , G06N3/045 , G06N3/0499 , G06N3/09
Abstract: 本发明公开了一种基于双阶段注意力机制和时间卷积网络的烘丝机出口含水率预测方法，利用互信息方法从多源数据中筛选出与含水率最相关的特征作为模型的初始输入变量，用小波去噪方法对数据进行降噪处理；然后，利用特征注意力机制对不同变量赋予动态权重，通过时间卷积网络TCN提取输入多变量时间序列的时序模式，进而利用时间注意力模块学习输出时序的关键状态并进行加权；最后，通过全连接回归模块整合时空信息，实现出口含水率的预测。本发明方法能够实现准确可靠的含水率预测，为操作人员提供有效的决策参考，满足工业生产的需求，并有助于提升烘丝过程的智能化水平。
-
-
-
Search Results
4
records
(took 0.018 seconds)
