【技术实现步骤摘要】
本专利技术涉及石化工业过程建模领域，尤其涉及一种高效即时学习框架，一种局部模型的训练方法，以及一种计算机可读存储介质。
技术介绍
1、在满足全球能源需求方面，石油工业扮演着至关重要的角色，但同时也面临着严格的环保和生产标准。工业过程的大型化、复杂化和信息化导致现场环境问题日益严峻，使得低延迟、低成本、高效的软测量技术在工程设计和优化方面变得至关重要。数据驱动的机器学习方法已广泛应用于石化工业过程中，用于实现工业过程的在线监测和软传感器测量等。
2、然而，由于复杂的流程和动态特性，建立一个高精度的软测量模型变得困难。以往的数据模型，如rnn和lstm，存在梯度消失/爆炸的问题，无法保存长期记忆。虽然lstm模型能够解决动态工业过程的工况变化问题，但对于操作条件改变和进料调控引起的模型退化问题仍无法解决。此外，多工况lstm模型的预测过程依赖过去的时间节点，无法单独研究某种操作条件或进料量对相关预测指标的影响。
3、为了克服现有技术存在的上述缺陷，本领域亟需一种高效即时学习技术，以及局部模型的训练技术，用于提升即时学...
【技术保护点】
1.一种高效即时学习框架，其特征在于，包括：
2.如权利要求1所述的高效即时学习框架，其特征在于，所述相似度是通过欧几里得距离来表征：
3.如权利要求2所述的高效即时学习框架，其特征在于，所述相似度通过余弦相似度来表征：
4.如权利要求1所述的高效即时学习框架，其特征在于，所述样本长度计算单元被配置为：
5.如权利要求1所述的高效即时学习框架，其特征在于，所述子集划分单元被配置为：
6.如权利要求1所述的高效即时学习框架，其特征在于，所述多分支变尺度卷积单元被配置为：
7.如权利要求1所述的高效即...
【技术特征摘要】
1.一种高效即时学习框架，其特征在于，包括：
2.如权利要求1所述的高效即时学习框架，其特征在于，所述相似度是通过欧几里得距离来表征：
3.如权利要求2所述的高效即时学习框架，其特征在于，所述相似度通过余弦相似度来表征：
4.如权利要求1所述的高效即时学习框架，其特征在于，所述样本长度计算单元被配置为：
5.如权利要求1所述的高效即时学习框架，其特征在于，所述子集划分单元被配置为：
6.如权利要求1所述的高效即时学习框架，其特征在于，所述多分支变尺度卷积单元被配置为：
7.如权利要求1所述...
【专利技术属性】
技术研发人员：杜文莉，隆建，钱锋，钟伟民，杨明磊，
申请(专利权)人：华东理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。