本發(fā)明涉及工業(yè)預(yù)測(cè)，尤其涉及一種氣體濃度監(jiān)測(cè)模型的訓(xùn)練方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、在現(xiàn)代工業(yè)生產(chǎn)中，特別是在火力發(fā)電廠等大型工業(yè)設(shè)施中，氣體排放是一個(gè)重要的環(huán)境問題，尤其是二氧化碳?xì)怏w，控制和監(jiān)控氣體排放對(duì)于保護(hù)環(huán)境至關(guān)重要，也是確保設(shè)置符合環(huán)境法規(guī)中的關(guān)鍵因素之一。

2、相關(guān)技術(shù)中，以二氧化碳?xì)怏w的監(jiān)測(cè)為例，傳統(tǒng)監(jiān)控方案主要依賴于周期性抽樣與分析，往往無法提供實(shí)時(shí)監(jiān)測(cè)功能；近年來基于非色散紅外技術(shù)的二氧化碳傳感器成為了一種廣泛應(yīng)用的監(jiān)測(cè)工具，能夠?qū)崿F(xiàn)對(duì)煙道中二氧化碳的實(shí)時(shí)監(jiān)測(cè)，并且在惡劣環(huán)境條件下能夠可靠運(yùn)行，但非色散紅外技術(shù)采用線性模型轉(zhuǎn)換傳感器的輸出，使傳感器輸出為二氧化碳濃度值，這種模型結(jié)構(gòu)簡單且容易忽略復(fù)雜影響因素，進(jìn)而影響二氧化碳濃度值的監(jiān)測(cè)效果。

3、綜合以上該技術(shù)領(lǐng)域發(fā)展?fàn)顩r分析，現(xiàn)有的技術(shù)中方案缺少融合氣體相關(guān)特征，更為復(fù)雜的氣體濃度監(jiān)測(cè)模型。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種氣體濃度監(jiān)測(cè)模型的訓(xùn)練方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，旨在解決現(xiàn)有技術(shù)中的上述問題。

2、根據(jù)本發(fā)明實(shí)施例的第一方面，提供一種氣體濃度監(jiān)測(cè)模型的訓(xùn)練方法，包括：

3、獲取氣體相關(guān)特征隨時(shí)間變化的訓(xùn)練集，對(duì)訓(xùn)練集逐層下采樣，得到不同時(shí)間尺度下的特征序列，作為初始集合；

4、將初始集合輸入堆疊模型第一層，對(duì)各個(gè)特征序列進(jìn)行信息增強(qiáng)，將增強(qiáng)后所有特征序列作為堆疊模型下一層輸入的初始集合，進(jìn)行逐層的迭代增強(qiáng)，將堆疊模型最后一層輸出的特征序列作為最終增強(qiáng)序列；

5、通過序列分析模型獲取最終增強(qiáng)序列的潛在信息，將潛在信息與對(duì)應(yīng)最終增強(qiáng)序列融合為關(guān)鍵序列；

6、通過融合預(yù)測(cè)模型得到各關(guān)鍵序列對(duì)應(yīng)的氣體濃度序列，將所有氣體濃度序列的結(jié)果融合并進(jìn)行激活，得到最終監(jiān)測(cè)結(jié)果，將預(yù)測(cè)誤差作為損失修正融合預(yù)測(cè)模型參數(shù)，得到氣體濃度監(jiān)測(cè)模型。

7、根據(jù)本發(fā)明實(shí)施例的第二方面，提供一種氣體濃度監(jiān)測(cè)模型的訓(xùn)練裝置，包括：

8、下采樣模塊，用于獲取氣體相關(guān)特征隨時(shí)間變化的訓(xùn)練集，對(duì)訓(xùn)練集逐層下采樣，得到不同時(shí)間尺度下的特征序列，作為初始集合；

9、多尺度時(shí)間分解混合模塊，用于將初始集合輸入堆疊模型第一層，對(duì)各個(gè)特征序列進(jìn)行信息增強(qiáng)，將增強(qiáng)后所有特征序列作為堆疊模型下一層輸入的初始集合，進(jìn)行逐層的迭代增強(qiáng)，將堆疊模型最后一層輸出的特征序列作為最終增強(qiáng)序列；

10、協(xié)同注意力模塊，用于通過序列分析模型獲取最終增強(qiáng)序列的潛在信息，將潛在信息與對(duì)應(yīng)最終增強(qiáng)序列融合為關(guān)鍵序列；

11、融合預(yù)測(cè)模塊，用于通過融合預(yù)測(cè)模型得到各關(guān)鍵序列對(duì)應(yīng)的氣體濃度序列，將所有氣體濃度序列的結(jié)果融合并進(jìn)行激活，得到最終監(jiān)測(cè)結(jié)果，將預(yù)測(cè)誤差作為損失修正融合預(yù)測(cè)模型參數(shù)，得到氣體濃度監(jiān)測(cè)模型。

12、根據(jù)本發(fā)明實(shí)施例的第三方面，提供一種電子設(shè)備，包括：存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如本公開第一方面所提供的氣體濃度監(jiān)測(cè)模型的訓(xùn)練方法的步驟。

13、根據(jù)本發(fā)明實(shí)施例的第四方面，提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有信息傳遞的實(shí)現(xiàn)程序，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)本公開第一方面所提供的氣體濃度監(jiān)測(cè)模型的訓(xùn)練方法的步驟。

14、本發(fā)明實(shí)施例提供的技術(shù)方案包括以下有益效果：融入氣體相關(guān)特征訓(xùn)練模型，以考慮影響因素對(duì)氣體濃度的影響，增強(qiáng)了模型的環(huán)境適應(yīng)性；通過逐層下采樣技術(shù)得到不同時(shí)間尺度下的特征序列，利用了不同時(shí)區(qū)下的序列信息，基于不同時(shí)間尺度關(guān)鍵序列訓(xùn)練多個(gè)預(yù)測(cè)器，各尺度之間數(shù)據(jù)互補(bǔ)提高預(yù)測(cè)精度；使用堆疊模型增強(qiáng)序列信息，再使用序列分析模型挖掘潛在重要信息，充分利用融入氣體相關(guān)特征的特征信息訓(xùn)練模型。

15、應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性和解釋性的，并不能限制本公開。

技術(shù)特征：

1.一種氣體濃度監(jiān)測(cè)模型的訓(xùn)練方法，其特征在于包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法進(jìn)一步包括：

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)所述訓(xùn)練集逐層下采樣，得到不同時(shí)間尺度下的特征序列，作為初始集合具體包括：

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)各個(gè)特征序列進(jìn)行信息增強(qiáng)，將增強(qiáng)后所有特征序列作為堆疊模型下一層輸入的初始集合，進(jìn)行逐層的迭代增強(qiáng)具體包括：

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述對(duì)所述季節(jié)項(xiàng)序列進(jìn)行多尺度融合得到混合季節(jié)序列，對(duì)所述基本項(xiàng)序列進(jìn)行多尺度融合得到混合基本序列具體包括：

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述通過序列分析模型獲取最終增強(qiáng)序列的潛在信息具體包括：

7.一種氣體濃度監(jiān)測(cè)模型的訓(xùn)練裝置，其特征在于包括：

8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述裝置進(jìn)一步包括：

9.一種電子設(shè)備，其特征在于，包括：存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被所述處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至6中任一項(xiàng)所述的氣體濃度監(jiān)測(cè)模型的訓(xùn)練方法的步驟。

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有信息傳遞的實(shí)現(xiàn)程序，所述程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至6中任一項(xiàng)所述的氣體濃度監(jiān)測(cè)模型的訓(xùn)練方法的步驟。

技術(shù)總結(jié)
本申請(qǐng)?zhí)峁┝艘环N氣體濃度監(jiān)測(cè)模型的訓(xùn)練方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，其中，方法包括：獲取訓(xùn)練集，對(duì)訓(xùn)練集逐層下采樣，得到不同時(shí)間尺度下的特征序列，作為初始集合；將初始集合輸入堆疊模型第一層，對(duì)各個(gè)特征序列進(jìn)行信息增強(qiáng)，將增強(qiáng)后所有特征序列作為堆疊模型下一層輸入的初始集合，進(jìn)行逐層的迭代增強(qiáng)，將堆疊模型最后一層輸出的特征序列作為最終增強(qiáng)序列；通過序列分析模型獲取最終增強(qiáng)序列的潛在信息，將潛在信息與對(duì)應(yīng)最終增強(qiáng)序列融合為關(guān)鍵序列；通過融合預(yù)測(cè)模型得到各關(guān)鍵序列對(duì)應(yīng)的氣體濃度序列，將所有氣體濃度序列的結(jié)果融合并進(jìn)行激活，得到最終監(jiān)測(cè)結(jié)果，將預(yù)測(cè)誤差作為損失修正融合預(yù)測(cè)模型參數(shù)，得到氣體濃度監(jiān)測(cè)模型。

技術(shù)研發(fā)人員：杜明生,韓延明,梁瀟,王嘉亮,李玉宇,種瀟,張鵬
受保護(hù)的技術(shù)使用者：大唐環(huán)境產(chǎn)業(yè)集團(tuán)股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9