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！

摘要：本发明提出一种移动蒸汽储能罐内部压强数据预测方法，涉及机器学习技术领域。本发明提出TSPNet预测模型，包括时频特征捕捉模块、时空特征学习模块和预测层，具体地，时频特征捕捉模块用于捕捉输入的移动蒸汽储能罐内部压强数据中的时间和频率特征，时空特征学习模块用于处理移动蒸汽储能罐内部压强数据的空间依赖关系，预测层用于将前面提取的精炼后特征映射到目标输出空间，从而生成最终的预测结果，各模块在捕捉具有复杂时间与空间关系的移动蒸汽储能罐内部压强数据中具有较好的效果。

主权项：1.一种移动蒸汽储能罐内部压强数据预测方法，其特征在于，包括以下步骤：S1、收集移动蒸汽储能罐内部压强相关数据，包括特征和目标变量，对收集的移动蒸汽储能罐内部压强相关数据进行预处理；S2、对预处理后的移动蒸汽储能罐内部压强相关数据使用方法进行归一化操作，并划分数据集；S3、构建时频特征捕捉模块，用于捕捉输入的移动蒸汽储能罐内部压强数据中的时间和频率特征，具体包括以下步骤：S31、输入移动蒸汽储能罐内部压强数据，其中为移动蒸汽储能罐内部布置的多个传感器数量，为第层的特征数量，为时间步长，并通过平稳小波变换对输入的移动蒸汽储能罐内部压强数据进行分层频率分析，获得高频系数成分和低频系数成分；S32、计算高频系数成分和低频系数成分的查询、键与值，提出动态自回归注意力，引入外部上下文动态权重，进行动态自回归注意力的计算，生成高频系数成分和低频系数成分的注意力分数矩阵、，并计算得到高频系数成分和低频系数成分的动态自回归注意力输出、；S33、对动态自回归注意力输出进行逆平稳小波变换，得到时频特征捕捉模块输出；S4、构建时空特征学习模块，用于处理移动蒸汽储能罐内部压强数据的空间依赖关系，具体包括以下步骤：S41、输入时频特征捕捉模块的输出，其中为移动蒸汽储能罐内部布置的多个传感器数量，为第层的特征数量，为时间步长，通过嵌入和卷积操作，得到特征矩阵；S42、引入基于动态时间规整的邻接矩阵，并通过多头自注意力机制计算移动蒸汽储能罐不同传感器采集的内部压强数据之间权重，得到注意力输出，将多个头的注意力输出聚合得到注意力聚合输出；S43、使用基于动态时间规整的邻接矩阵计算拉普拉斯矩阵，输入注意力聚合输出，并通过切比雪夫多项式近似执行图卷积操作，计算得到图卷积后的特征表示；S5、构建预测层，将特征表示输入时序卷积网络进一步处理，得到精炼后特征，并最终通过全连接层输出移动蒸汽储能罐内部压强数据预测结果。

全文数据：

权利要求：

百度查询： 济南龙山炭素有限公司 一种移动蒸汽储能罐内部压强数据预测方法