【IEEETC】基于多尺度注意力卷积神经网络的工业过程质量预测建模
软传感器在复杂工业过程的质量预测中得到了越来越多的应用，这些过程通常具有不同的拓扑规模和高度耦合的时空特征。然而，现有的软测量模型在提取多耦合复杂过程数据中的多尺度局部时空特征并充分利用它们来提高预测性能方面通常面临困难。因此，本文提出了一种基于多尺度注意力的CNN（MSACNN）来缓解这些问题。在MSACNN中，不同大小的卷积核首先在卷积层中并行设计，可以生成包含不同尺度局部时空特征的特征图。同时，在特征图上并行设计了一种通道式注意力机制，以获得它们的注意力权重，代表不同尺度下局部时空特征的重要性。通过两个实际工业过程的性能评估，验证了所提出的MSACNNover方法相对于其他最先进方法的优越性。关键词：卷积神经网络（CNN）、基于多尺度注意力的CNN（MSACNN）、质量预测、软传感器。
