多維度CNN-BiLSTM-Attention模型的化工裝置早期預警方法

摘要： 針對現(xiàn)有化工裝置運行風險預警多采用統(tǒng)計分析方法，其對于化工過程數(shù)據(jù)具有非線性、時序性、動態(tài)性強等特性時效果不佳，提出一種多維度CNN-BiLSTM-Attention模型的精餾裝置預警方法，兼顧化工過程數(shù)據(jù)所具備的復雜特性，并提高精度。首先，將CNN與BiLSTM網(wǎng)絡相結(jié)合充分提取數(shù)據(jù)的特征。然后引入注意力機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）