一种基于时间注意力机制的时间卷积网络的气体浓度预测方法技术

本发明专利技术提供一种基于时间注意力机制的时间卷积网络的气体浓度预测方法，属于气体浓度预测技术领域。该方法通过多类型传感器采集时序数据，经归一化和滑动窗口处理后，构建集成时间卷积网络、门控循环单元和自适应时间注意力机制的混合模型。时间卷积网络采用膨胀因果卷积层级扩展感受野，捕获气体长期累积效应；门控循环单元通过双时间尺度架构分离瞬时波动与趋势特征；时间注意力机制动态分配权重强化关键时间步。通过长短期特征融合与动态优化，解决了传统模型无法兼顾长周期依赖与短时突变的问题，显著提升了气体浓度预测的精度、稳定性和实时性，适用于复杂工业环境下的多组分气体监测。

【技术实现步骤摘要】

本专利技术属于气体浓度预测，具体涉及一种基于时间注意力机制的时间卷积网络的气体浓度预测方法。

技术介绍

1、现有气体浓度预测方法多基于单一时序模型，如长短期记忆网络或自回归积分滑动平均模型。这类方法依赖固定时间窗口或局部特征提取机制，难以同时建模气体浓度的长周期扩散效应与短时突变特性。例如，传统卷积网络因感受野受限无法覆盖缓慢累积过程，而循环网络虽能捕捉时序依赖，却因梯度问题难以处理长序列，且门控结构复杂导致实时性不足。此外，均匀注意力分配机制易忽略关键时间点特征，导致低浓度信号被噪声掩盖。

2、以上局限性使得现有技术在复杂气体监测场景中预测精度不足，难以满足工业密闭环境对高动态气体浓度实时检测的需求。

技术实现思路

1、本专利技术克服了现有技术的不足，提供一种基于时间注意力机制的时间卷积网络的气体浓度预测方法。

2、为达到上述目的，本专利技术采用的技术方案为：一种基于时间注意力机制的时间卷积网络的气体浓度预测方法，包括以下步骤：

3、s1、在密闭环境中连续采集气体时序浓度本文档来自技高网...

【技术保护点】

1.一种基于时间注意力机制的时间卷积网络的气体浓度预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，所述时间卷积网络包括多层残差块，每层残差块包含以下操作：

3.根据权利要求2所述的方法，其特征在于，所述模型的膨胀因果卷积输出计算为：k为卷积核大小，d为膨胀系数，控制卷积核的间隔步长；wk为卷积核权重；为历史输入数据；残差连接中维度适配矩阵Wd在输入输出维度不一致时采用1×1卷积实现通道对齐。

4.根据权利要求1所述的方法，其特征在于，所述门控循环单元通过以下门控机制实现：

5.根据权利要求1所述的方法，其特征...

【技术特征摘要】

1.一种基于时间注意力机制的时间卷积网络的气体浓度预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，所述时间卷积网络包括多层残差块，每层残差块包含以下操作：

3.根据权利要求2所述的方法，其特征在于，所述模型的膨胀因果卷积输出计算为：k为卷积核大小，d为膨胀系数，控制卷积核的间隔步长；wk为卷积核权重；为历史输入数据；残差连接中维度适配矩阵wd在输入输出维度不一致时采用1×1卷积实现通道对齐。

4.根据权利要求1所述的方法，其特征在于，所述门控循环单元通过以下门控机制实现：

5.根据权利要求1所述的方法，其特征在于，所述时间注意力机制通过以下步骤实现：

6.根据权利要求1所述的方法，其特征在于，所述方法通过滑动窗口提取历史30-90min的气体浓度数据片段作为模型输入，实时检测当前时刻的气体浓度值。

7.根据权利要求1所述的方法，其特征在于，所述预处理包括归一化处理，采用最大-最小标准化，公式为：...

【专利技术属性】
技术研发人员：张治国，王泽轩，
申请(专利权)人：苏州擎觉电子科技有限公司，
类型：发明
国别省市：