一种基于深度学习+注意力机制的游离氧化钙监测模型  

A free calcium oxide monitoring model based on deep learning and attention mechanism

作　　者：沈彤 王文财 杨旭年 郝晓辰[2] SHEN Tong

机构地区：[1]北京建筑材料科学研究总院,北京100080 [2]燕山大学,河北秦皇岛066004

出　　处：《水泥》2025年第5期46-51,共6页Cement

摘　　要：本研究针对烧成过程中多尺度不平衡数据的特性,通过滑动窗口对齐不同采样频率的数据。在此基础上,利用时间卷积网络(TCN)初步提取时间序列特征和多变量空间耦合特征,形成特征张量。然后,通过长短期记忆网络(LSTM)模型进一步提取特征张量中的时间序列长距离依赖特征,增强模型的特征提取能力。最后,考虑到随机混合取样对化验结果的影响,引入注意力机制方法来提取采样时刻的关键特征,从而提升模型的监测能力。整体而言,本研究在考虑生产过程数据中的时空耦合关系的同时,充分考虑了实际生产中游离氧化钙含量的随机取样化验方式,有效提升了游离氧化钙的监测精度。

关 键 词：深度学习 多时间尺度不平衡 TCLA模型 游离氧化钙监测 

分 类 号：TQ172.6[化学工程—水泥工业] TP181[化学工程—硅酸盐工业]