4、工业领域中的模型预测与信号测量研究

工业领域中的模型预测与信号测量研究

在工业领域中，模型预测和信号测量是非常重要的研究方向，它们分别在不同的场景中发挥着关键作用。下面将详细介绍参数选择自动编码器神经网络模型（PS - AENN）在预测方面的应用，以及低频时码定时信号场强测量的相关研究。

1. 模型预测：PS - AENN在温度预测中的应用

在预测领域，PS - AENN模型展现出了独特的优势。它是一种基于深度学习的模型，旨在准确快速地预测出钢温度。与该领域使用的其他预测模型不同，PS - AENN模型采用了一种新方法来自动选择重要参数，这不仅节省了时间和成本，还提高了预测精度。

为了验证PS - AENN模型的性能，研究人员将其与CNN、SAE、BPNN等模型进行了对比，以下是不同模型在训练数据和测试数据上的预测结果：
|模型|训练数据 - MSE|训练数据 - RMSE|训练数据 - MAE|训练数据 - MAPE|测试数据 - MSE|测试数据 - RMSE|测试数据 - MAE|测试数据 - MAPE|
| ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- |
|CNN|50.59|7.11|5.05|0.3%|81.91|9.05|7.68|0.4%|
|SAE|86.03|9.27|7.47|0.4%|109.86|10.48|7.68|0.6%|
|BPNN|48.47|6.94|5.06|0.3%| - | - | - | - |
|PS - AENN| - | - | - | - |76.07|8.72|5.48|0.4%|

从这些数据可以看出，P