沈阳自动化所复杂工业数据预测建模取得进展

针对冶金等复杂工业建模过程中存在数据不足和算法冷启动的问题,沈阳自动化所数字工厂研究室科研团队提出了一种基于动态迁移学习的、在有限数据量下的工业过程时间序列预测方法,该方法以提高多步时序预测精度、降低计算成本为目标,建立了复杂工业场景下的预测模型,提高了工业时序数据预测的准确性、高效性。相关成果已发表在中科院一区Top期刊IEEE Transactions on Industrial Informatics上。