【技術實現步驟摘要】
本專利技術涉及工業預測，尤其涉及一種氣體濃度監測模型的訓練方法、裝置、設備及存儲介質。
技術介紹
1、在現代工業生產中，特別是在火力發電廠等大型工業設施中，氣體排放是一個重要的環境問題，尤其是二氧化碳氣體，控制和監控氣體排放對于保護環境至關重要，也是確保設置符合環境法規中的關鍵因素之一。
2、相關技術中，以二氧化碳氣體的監測為例，傳統監控方案主要依賴于周期性抽樣與分析，往往無法提供實時監測功能；近年來基于非色散紅外技術的二氧化碳傳感器成為了一種廣泛應用的監測工具，能夠實現對煙道中二氧化碳的實時監測，并且在惡劣環境條件下能夠可靠運行，但非色散紅外技術采用線性模型轉換傳感器的輸出，使傳感器輸出為二氧化碳濃度值，這種模型結構簡單且容易忽略復雜影響因素，進而影響二氧化碳濃度值的監測效果。
3、綜合以上該
發展狀況分析，現有的技術中方案缺少融合氣體相關特征，更為復雜的氣體濃度監測模型。
技術實現思路
1、本專利技術的目的在于提供一種氣體濃度監測模型的訓練方法、裝置、設備及存儲介質，旨在解決現有技術中的上述問題。
2、根據本專利技術實施例的第一方面，提供一種氣體濃度監測模型的訓練方法，包括：
3、獲取氣體相關特征隨時間變化的訓練集，對訓練集逐層下采樣，得到不同時間尺度下的特征序列，作為初始集合；
4、將初始集合輸入堆疊模型第一層，對各個特征序列進行信息增強，將增強后所有特征序列作為堆疊模型下一層輸入的初始集合，進行逐層的迭代增強
5、通過序列分析模型獲取最終增強序列的潛在信息，將潛在信息與對應最終增強序列融合為關鍵序列；
6、通過融合預測模型得到各關鍵序列對應的氣體濃度序列，將所有氣體濃度序列的結果融合并進行激活，得到最終監測結果，將預測誤差作為損失修正融合預測模型參數，得到氣體濃度監測模型。
7、根據本專利技術實施例的第二方面，提供一種氣體濃度監測模型的訓練裝置，包括：
8、下采樣模塊，用于獲取氣體相關特征隨時間變化的訓練集，對訓練集逐層下采樣，得到不同時間尺度下的特征序列，作為初始集合；
9、多尺度時間分解混合模塊，用于將初始集合輸入堆疊模型第一層，對各個特征序列進行信息增強，將增強后所有特征序列作為堆疊模型下一層輸入的初始集合，進行逐層的迭代增強，將堆疊模型最后一層輸出的特征序列作為最終增強序列；
10、協同注意力模塊，用于通過序列分析模型獲取最終增強序列的潛在信息，將潛在信息與對應最終增強序列融合為關鍵序列；
11、融合預測模塊，用于通過融合預測模型得到各關鍵序列對應的氣體濃度序列，將所有氣體濃度序列的結果融合并進行激活，得到最終監測結果，將預測誤差作為損失修正融合預測模型參數，得到氣體濃度監測模型。
12、根據本專利技術實施例的第三方面，提供一種電子設備，包括：存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，該計算機程序被處理器執行時實現如本公開第一方面所提供的氣體濃度監測模型的訓練方法的步驟。
13、根據本專利技術實施例的第四方面，提供一種計算機可讀存儲介質，其上存儲有信息傳遞的實現程序，該程序被處理器執行時實現本公開第一方面所提供的氣體濃度監測模型的訓練方法的步驟。
14、本專利技術實施例提供的技術方案包括以下有益效果：融入氣體相關特征訓練模型，以考慮影響因素對氣體濃度的影響，增強了模型的環境適應性；通過逐層下采樣技術得到不同時間尺度下的特征序列，利用了不同時區下的序列信息，基于不同時間尺度關鍵序列訓練多個預測器，各尺度之間數據互補提高預測精度；使用堆疊模型增強序列信息，再使用序列分析模型挖掘潛在重要信息，充分利用融入氣體相關特征的特征信息訓練模型。
15、應當理解的是，以上的一般描述和后文的細節描述僅是示例性和解釋性的，并不能限制本公開。
本文檔來自技高網...【技術保護點】
1.一種氣體濃度監測模型的訓練方法，其特征在于包括：
2.根據權利要求1所述的方法，其特征在于，所述方法進一步包括：
3.根據權利要求1所述的方法，其特征在于，所述對所述訓練集逐層下采樣，得到不同時間尺度下的特征序列，作為初始集合具體包括：
4.根據權利要求1所述的方法，其特征在于，所述對各個特征序列進行信息增強，將增強后所有特征序列作為堆疊模型下一層輸入的初始集合，進行逐層的迭代增強具體包括：
5.根據權利要求4所述的方法，其特征在于，所述對所述季節項序列進行多尺度融合得到混合季節序列，對所述基本項序列進行多尺度融合得到混合基本序列具體包括：
6.根據權利要求1所述的方法，其特征在于，所述通過序列分析模型獲取最終增強序列的潛在信息具體包括：
7.一種氣體濃度監測模型的訓練裝置，其特征在于包括：
8.根據權利要求7所述的裝置，其特征在于，所述裝置進一步包括：
9.一種電子設備，其特征在于，包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述計算機程序被所述處
10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有信息傳遞的實現程序，所述程序被處理器執行時實現如權利要求1至6中任一項所述的氣體濃度監測模型的訓練方法的步驟。
...【技術特征摘要】
1.一種氣體濃度監測模型的訓練方法，其特征在于包括：
2.根據權利要求1所述的方法，其特征在于，所述方法進一步包括：
3.根據權利要求1所述的方法，其特征在于，所述對所述訓練集逐層下采樣，得到不同時間尺度下的特征序列，作為初始集合具體包括：
4.根據權利要求1所述的方法，其特征在于，所述對各個特征序列進行信息增強，將增強后所有特征序列作為堆疊模型下一層輸入的初始集合，進行逐層的迭代增強具體包括：
5.根據權利要求4所述的方法，其特征在于，所述對所述季節項序列進行多尺度融合得到混合季節序列，對所述基本項序列進行多尺度融合得到混合基本序列具體包括：
6.根據權利要求1所述...
【專利技術屬性】
技術研發人員：杜明生，韓延明，梁瀟，王嘉亮，李玉宇，種瀟，張鵬，
申請(專利權)人：大唐環境產業集團股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。