计算机应用

作者：赵小强, 柳勇勇, 惠永永, 刘凯

单位：1.兰州理工大学 电气工程与信息工程学院，兰州 730050；2.甘肃省工业过程先进控制重点实验室（兰州理工大学），兰州 730050；3.国家级电气与控制工程实验教学中心（兰州理工大学），兰州 730050

关键词：间歇过程,质量预测,奇异谱分析法,时域卷积网络,多头自注意力机制

基金：国家自然科学基金资助项目(62263021)

为提高时域卷积网络（TCN）在批量大小变化时的训练稳定性，并解决间歇过程质量预测在捕捉长期依赖性和全局关联性上存在不足而导致的预测准确度不高的问题，提出一种基于批量组规范化（BGN）和Mish激活函数改进残差结构的TCN（BMTCN）与多头自注意力机制（MHSA）的间歇过程质量预测模型（BMTCN-MHSA）。首先，将间歇过程的三维数据展开为二维矩阵形式，并对数据进行归一化处理，再引入奇异谱分析法（SSA）分解重构数据；其次，在时域卷积的残差部分融入BGN以降低网络模型在批量大小变化时的敏感度，引入Mish激活函数以提高模型的泛化能力，并利用多头自注意力机制对序列中不同位置的特征信息进行关联和权重分配，从而进一步提取序列中的关键特征信息和相互依赖关系，进而更好地捕捉间歇过程的动态特征；最后，使用青霉素仿真实验数据进行实验验证。实验结果表明，相较于TCN模型，BMTCN-MHSA模型的平均绝对误差（MAE）降低了56.86%，均方误差（MSE）降低了48.80%，而决定系数（R2）达到了99.48%，这表明BMTCN-MHSA模型提高了间歇过程质量预测的准确性。

来源：2025年第7期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第7期