基于注意力机制的铜冶炼烟气制酸过程SO₂转化率预测与分析

摘要

由于工业现场环境复杂、反应机理强非线性，铜冶炼烟气制酸过程中SO₂转化率的精确测量一直是一项技术难题。为此，提出一种基于注意力机制融合多层解码器的SO₂转化率预测方法，该方法利用自注意力机制刻画长期依赖关系，从多维过程变量构建注意力权重表示，并通过多层解码器充分挖掘时序特征。首先，采用最大信息系数和变异系数联合评分筛选辅助变量，从而剔除冗余信息并提升输入特征的质量；然后，利用多层解码机制强化深层特征的时序映射能力，提升解码器的预测性能；其次，采用贝叶斯优化算法对网络超参数进行全局最优配置以增强泛化能力；最后，对真实冶炼数据的实验验证结果表明，基于注意力机制的SO₂转化率预测模型的预测精度优于传统循环神经网络结构。该方法为SO₂转化率的软测量提供了有效且稳健的技术路径，在工业化烟气制酸中具有实际应用价值。

关键词

铜冶炼 / 烟气制酸 / 注意力机制 / 神经网络 / 软测量 / 脱硫技术