融合注意力機(jī)制的CNN-LSTM模型在復(fù)雜生產(chǎn)環(huán)境中的產(chǎn)能預(yù)測(cè)研究

摘要： 在復(fù)雜的多機(jī)臺(tái)、多任務(wù)并行生產(chǎn)環(huán)境中，產(chǎn)能預(yù)測(cè)面臨數(shù)據(jù)量大、時(shí)空特征非線性耦合等挑戰(zhàn)?，F(xiàn)有方法如卷積神經(jīng)網(wǎng)絡(luò)(convolution neural network, CNN)、門(mén)控循環(huán)單元(gated recurrent units, GRU)、長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)(long short-term memory netwrok, LSTM)和卷積神經(jīng)網(wǎng)絡(luò)-長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)(CNN-LS... （共8頁(yè)）