申请/专利权人：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

申请日：2023-11-13

公开（公告）日：2024-02-02

公开（公告）号：CN117494007A

主分类号：G06F18/243

分类号：G06F18/243;G06F18/2415;G06F18/213;G06F18/15;G06N3/045;G06N3/0442;G06N3/048;G06N3/047;G06N3/08;G06Q10/04;G06Q50/04

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.02.23#实质审查的生效;2024.02.02#公开

摘要：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。

主权项：1.一种基于双重注意力机制和XGBoost的烘丝机水分动态预测方法，其特征在于，该方法包括以下步骤：步骤1：构建数据采集模块；步骤2：建立数据预处理模块；对数据采集模块采集的原始数据进行归一化处理；并进行特征选择剔除对输出影响较弱的冗余变量；步骤3：构建基于双重注意力机制和XGBoost的烘丝机水分动态预测模型；步骤3.1：引入特征注意力机制，通过为输入特征动态分配注意力权重，进行自适应动态权重赋值，描述过程变量与烘丝机出口水分之间的非线性关系，突出关键部分权重；步骤3.2：构建BiLSTM时序特征提取模块；步骤3.3：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XGBoost；步骤3.4：建立XGBoost预测模型；步骤4：对步骤3构建的基于双重注意力机制和XGBoost的烘丝机水分动态预测模型进行迭代训练，根据评价指标训练预测模型；所述评价指标为： 其中，其中yi为烟丝水分实际值，为预测值，为模型对于测试集所有样本输出结果的平均值，N为验证集中样本数量；RMSE指标和MAE指标越小，预测效果越好；R2越接近1，预测效果越好；步骤5：利用训练后的烘丝机水分动态预测模型进行烘丝机水分动态预测。

全文数据：

权利要求：

百度查询： 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 基于双重注意力机制和XGBoost的烘丝机水分动态预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD