多維度CNN-BiLSTM-Attention模型的化工裝置早期預(yù)警方法
摘要: 針對現(xiàn)有化工裝置運(yùn)行風(fēng)險(xiǎn)預(yù)警多采用統(tǒng)計(jì)分析方法,其對于化工過程數(shù)據(jù)具有非線性、時(shí)序性、動態(tài)性強(qiáng)等特性時(shí)效果不佳,提出一種多維度CNN-BiLSTM-Attention模型的精餾裝置預(yù)警方法,兼顧化工過程數(shù)據(jù)所具備的復(fù)雜特性,并提高精度。首先,將CNN與BiLSTM網(wǎng)絡(luò)相結(jié)合充分提取數(shù)據(jù)的特征。然后引入注意力機(jī)制自動為各隱藏層分配權(quán)重,以區(qū)分不同序列的重要性,能有效減少歷史信息的... (共8頁)
開通會員,享受整站包年服務(wù)