分类: 信息科学与系统科学 >> 控制科学与技术 提交时间: 2024-01-05
摘要: 软测量在数据进行采集到应用的途中经常会出现数据缺失的情况,这将会大大降低建立的模型的精度。本文提出了基于变分自编码器(Variational Autoencoder)与GRU神经网络建立的填补模型,并通过实际工业流程验证了填补后数据的准确性。最后实验表明VAE填补模型在缺失率为10%和30%情况下的RMSE和MAE分别为3.316%,4.262%和2.386%,2.964%,相较于其他填补算法PCA和SVD均有更显著的效果,验证了该模型的可行性。