工业场景下基于深度学习的时序预测方法及应用

• 作者: 李潇睿 班晓娟 袁兆麟 乔浩然
• 来源期刊: 工程科学学报
• 学科: 工学
• 关键词: 流程工业 时间序列预测 深度学习 可解释性 评估指标
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 控制科学与工程|Control Science and Engineering
• 页码范围: 757-766
• 页数: 10页
• 分类号: TP391.9
• 语种: 中文

摘要

为了系统性地归纳工业场景下时序预测方法及应用,首先介绍了统计学习、集成学习、深度学习三类时序预测算法,并围绕工业数据分析与决策问题,重点分析了循环神经网络、卷积神经网络、编码?解码器模型三类深度学习模型的优缺点及适用的工业应用场景.?为了清晰全面地评估模型性能,介绍了面向点预测、序列预测问题的统计指标和误差计算方法.同时,整理了经典的公开工业数据集,以便研究者快速评估算法性能.?并以过程工业中的采矿、冶金为例,介绍了时序预测方法在真实工业场景下的应用和效果.?最后,总结了工业领域中应用深度学习技术所面临的低稳健性和弱可解释性等问题,并探讨了工业场景下时序预测方法研究的未来发展方向.