一种基于改进梯度裁剪与门控循环单元的软测量算法

摘要

在现代工业过程中，由于系统的非线性、时延问题以及异常值的存在，使用基础的数据驱动模型对关键性能指标的准确预测显得较为困难。提出了一种鲁棒的混合网络软测量算法，该混合网络模型以神经常微分方程网络为核心，辅以门控循环单元的结构，以强化对连续数据的动态建模能力和提高对时序数据的分析精度。首先，使用基于常微分方程的门控循环单元作为处理非线性数据的基础模型。其次，设计了一种动态的梯度裁剪方法，将其与权重裁剪相结合引入到模型的训练过程中，以保证模型训练的稳定性和收敛性。此后，使用一种截断的Huber损失函数，并将其与弹性正则化相结合以处理异常值。最后，利用数值仿真和工业数据集对所提算法进行验证。结果表明，该算法可以有效的提高模型的预测精度和模型的稳定性。

关键词

软测量 / 门控循环单元 / 梯度裁剪 / 鲁棒损失函数 / 弹性正则化