信息与控制

作者：赵飞, 王艳, 马浩, 王团结, 戴翠红

关键词：质量预测, 变量筛选, 特征提取, 深度自编码器, 时间序列分析, 长短期记忆网络

为提高连续工业过程关键工艺质量指标预测的准确性，提出了一种结合变量选择、深度特征提取和时序分析的工业质量预测新方法。首先，利用基于K近邻条件互信息的变量选择方法，从高维、冗余的数据中筛选出与质量变量高度相关的关键工艺变量；然后，采用改进的深度自编码器对筛选后的变量进行特征提取，并将原始特征与提取的深层特征进行融合，构建增强的特征集，通过引入正则化项增强了模型的鲁棒性和泛化能力；最后，利用长短期记忆网络构建质量预测模型，充分捕捉数据中的时间依赖关系。在3个工业案例的验证中，所提出的方法均获得较高的预测准确度，且在不同案例下表现出较低的预测误差和较小的输出波动幅度，表明其对连续工业过程具有一定的适用性。

来源：2026年第1期

《信息与控制》期刊编辑部

查看信息与控制杂志2026年第1期