本公开涉及工业控制，尤其涉及一种构建工艺指标预测模型的方法、装置、设备及介质。
背景技术：
1、目前，分布式控制系统(distributed control system，dcs)是一种用于工业控制的自动化系统，具有可靠性高、灵敏性高、效率高等优点。为了达到生产的要求，用户通过调节分布式控制系统的操作参数来改变工艺指标。但是，在不同的工况条件参数下，调节的操作参数难以使工艺指标达到要求。
技术实现思路
1、为了解决上述技术问题，本公开提供了一种构建工艺指标预测模型的方法、装置、设备及介质。
2、本公开的第一方面，提供一种构建工艺指标预测模型的方法，所述构建工艺指标预测模型的方法包括：
3、获取控制系统在操作控制过程中的历史操作参数、历史工况条件参数和历史工艺指标；
4、根据所述历史操作参数、所述历史工况条件参数和所述历史工艺指标，构建预测模型；
5、其中，所述预测模型用于在目标工况条件参数下，根据用户输入的目标操作参数确定目标工艺指标。
6、本公开一些实施例中，所述根据所述历史操作参数、所述历史工况条件参数和所述历史工艺指标，构建预测模型，包括：
7、以所述历史操作参数和所述历史工况条件参数作为输入参数，以所述历史工艺指标作为输出参数，根据贝叶斯网络，确定目标概率矩阵；
8、根据所述目标概率矩阵，确定多个循环神经网络单元中的隐藏状态向量；
9、根据各所述隐藏状态向量，构建所述预测模型。
10、本公开一些实施例中，所述以所述历史操作参数和所述历史工况条件参数作为输入参数，以所述历史工艺指标作为输出参数，根据贝叶斯网络，确定目标概率矩阵，包括：
11、根据所述输入参数和所述输出参数，确定先验概率矩阵；
12、以所述先验概率矩阵作为初始值，通过贝叶斯网络，确定所述目标概率矩阵。
13、本公开一些实施例中，所述根据所述目标概率矩阵，确定多个循环神经网络单元中的隐藏状态向量，包括：
14、根据所述先验概率矩阵，确定循环神经网络中输入层到隐藏层的第一权重矩阵；
15、确定循环神经网络中隐藏层到隐藏层的第二权重矩阵；
16、确定循环神经网络中隐藏层的第一偏置项；
17、根据所述第一权重矩阵、所述第二权重矩阵、所述第一偏置项和所述目标概率矩阵，确定所述多个隐藏状态向量。
18、本公开一些实施例中，所述根据各所述隐藏状态向量，构建所述预测模型，包括：
19、确定循环神经网络中隐藏层到输出层的第三权重矩阵；
20、确定循环神经网络中输出层的第二偏置项；
21、根据所述第三权重矩阵、所述第二偏置项和所述多个隐藏状态向量，构建所述预测模型。
22、本公开一些实施例中，所述构建工艺指标预测模型的方法还包括：
23、根据所述历史操作参数、所述历史工况条件参数和所述历史工艺指标，对所述预测模型进行训练。
24、本公开一些实施例中，所述根据所述历史操作参数、所述历史工况条件参数和所述历史工艺指标，对所述预测模型进行训练，包括：
25、将所述历史操作参数、所述历史工况条件参数输入所述预测模型，得到预测工艺指标；
26、根据所述预测工艺指标和所述历史工艺指标，确定所述预测模型的损失值；
27、在所述损失值满足预设条件的情况下，停止对所述预测模型进行训练；
28、在所述损失值不满足所述预设条件的情况下，对所述预测模型进行调整。
29、本公开的第二方面，提供一种构建工艺指标预测模型的装置，包括：
30、获取模块，被配置为用于获取控制系统在操作控制过程中的历史操作参数、历史工况条件参数和历史工艺指标；
31、构建模块，被配置为用于根据所述历史操作参数、所述历史工况条件参数和所述历史工艺指标，构建预测模型；
32、其中，所述预测模型用于在目标工况条件参数下，根据用户输入的目标操作参数确定目标工艺指标。
33、本公开的第三方面，提供一种计算机设备，包括：
34、处理器；
35、用于存储处理器可执行的存储器；
36、其中，所述处理器被配置为执行如上所述的构建工艺指标预测模型的方法。
37、本公开的第四方面，提供一种非临时性计算机可读存储介质，当所述存储介质中的指令由处理器执行时，使得其执行如上所述的构建工艺指标预测模型的方法
38、本公开的实施例提供的技术方案可以包括以下有益效果：
39、获取控制系统在操作控制过程中的历史操作参数、历史工况条件参数和历史工艺指标，以确定在历史工况条件参数下，历史操作参数和历史工艺指标之间的关系。根据历史操作参数、历史工况条件参数和历史工艺指标构建预测模型，以通过历史操作参数、历史工况条件参数和历史工艺指标之间的关系，预测在目标工况条件参数下目标操作参数对应的目标工艺指标。通过构建工艺指标的预测模型，在目标工况条件参数下输入目标操作参数能够有效地预测出目标工艺指标，提高了工艺指标的准确性使工艺指标达到要求。同时，通过构建工艺指标的预测模型，缩短了操作参数调节的时间，从而提高了操作参数调节的效率。
40、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本文。
1.一种构建工艺指标预测模型的方法，其特征在于，所述构建工艺指标预测模型的方法包括：
2.根据权利要求1所述的构建工艺指标预测模型的方法，其特征在于，所述根据所述历史操作参数、所述历史工况条件参数和所述历史工艺指标，构建预测模型，包括：
3.根据权利要求2所述的构建工艺指标预测模型的方法，其特征在于，所述以所述历史操作参数和所述历史工况条件参数作为输入参数，以所述历史工艺指标作为输出参数，根据贝叶斯网络，确定目标概率矩阵，包括：
4.根据权利要求3所述的构建工艺指标预测模型的方法，其特征在于，所述根据所述目标概率矩阵，确定多个循环神经网络单元中的隐藏状态向量，包括：
5.根据权利要求2所述的构建工艺指标预测模型的方法，其特征在于，所述根据各所述隐藏状态向量，构建所述预测模型，包括：
6.根据权利要求1至5任一项所述的构建工艺指标预测模型的方法，其特征在于，所述构建工艺指标预测模型的方法还包括：
7.根据权利要求6所述的构建工艺指标预测模型的方法，其特征在于，所述根据所述历史操作参数、所述历史工况条件参数和所述历史工艺指标，对所述预测模型进行训练，包括：
8.一种构建工艺指标预测模型的装置，其特征在于，包括：
9.一种计算机设备，其特征在于，包括：
10.一种非临时性计算机可读存储介质，其特征在于，当所述存储介质中的指令由处理器执行时，使得其执行如权利要求1至7任一项所述的构建工艺指标预测模型的方法。
