本发明涉及多元时间序列数据分析，特别涉及一种基于时间序列对烟丝制造工艺出口水分含量的预测方法。
背景技术：
1、时间序列预测是一种利用历史数据来预测未来数据的数据分析方法，在工业、经济、气象、地质、水文等领域都有着极高的应用价值。准确预测和分析各种时间序列数据不仅可带来显著的经济收益，还能产生深远的社会效益。由于实际系统呈现复杂的非线性特性，以及部分特征之间的相互影响，传统的线性模型和非线性模型在时间序列数据的单变量和多变量理论分析与实际应用中存在一定的局限性。
2、烘丝是烟草加工过程中的重要环节，出口水分含量是评价烟丝质量的关键指标，其环节主要通过对烟丝干燥脱水，同时提高烟丝的弹性和填充性能，从而改善烟丝的整体质量，使其达到卷制的要求。因此，基于历史数据对烟丝的出口水分含量进行预测对行业具有重要的价值。目前流行的预测方法往往依赖于神经网络构建预测模型，并通过空间重构理论确定网络的参数配置，以便进行时间序列的预测研究。尽管这些方法在理论模拟数据中表现良好，但在处理实际工程时间序列数据时，面临参数选择难题，并且因神经网络的训练速度缓慢、动力学属性不足及容易陷入局部最小值等问题，使得其在实际应用中的预测效果却并不理想。
技术实现思路
1、本发明的目的在于基于历史数据对烟丝的出口水分含量进行预测，提供一种基于时间序列对烟丝制造工艺出口水分含量的预测方法。
2、为了实现上述发明目的，本发明实施例提供了以下技术方案：
3、基于时间序列对烟丝制造工艺出口水分含量的预测方法，包括以下步骤：
4、步骤1，获取设备的历史数据，筛选出包含目标变量的特征变量，构建历史时间序列；所述目标变量为出口水分含量；
5、步骤2，对历史时间序列进行批处理，得到批量化数据集；
6、步骤3，对批量化数据集进行补丁化处理，得到补丁时间序列；
7、步骤4，将各特征变量输入transformer模型框架通道中，通过考虑通道无关性以共同优化预测模型参数阈值；采用加性位置编码矩阵维持补丁时序性，利用多头注意力机制对补丁时间序列进行深度编码，获得多头注意力机制输出；
8、步骤5，对多头注意力机制输出经过双层线性变换，采用非线性激活函数进行残差连接，经过展平层和线性头头部处理，得到最终输出的出口水分含量预测结果。
9、与现有技术相比，本发明的有益效果：本发明基于历史数据对烟丝的出口水分含量进行预测，旨在提高时间序列预测精度，减少算法时间复杂度，节约计算成本。
1.基于时间序列对烟丝制造工艺出口水分含量的预测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于时间序列对烟丝制造工艺出口水分含量的预测方法，其特征在于：所述步骤1具体包括以下步骤：采用相关性分析技术初步筛选与特征相关性较强的特征因子，结合梯度提升树算法选取重要度更强的特征变量，构建历史时间序列x∈rm×l，历史时间序列x的长度为l，输入特征维度为m。
3.根据权利要求2所述的基于时间序列对烟丝制造工艺出口水分含量的预测方法，其特征在于：所述步骤2具体包括以下步骤：
4.根据权利要求3所述的基于时间序列对烟丝制造工艺出口水分含量的预测方法，其特征在于：所述步骤3具体包括以下步骤：
5.根据权利要求1所述的基于时间序列对烟丝制造工艺出口水分含量的预测方法，其特征在于：所述步骤4中，将各特征变量输入transformer模型框架通道中，通过考虑通道无关性以共同优化预测模型参数阈值的步骤，包括：
6.根据权利要求4所述的基于时间序列对烟丝制造工艺出口水分含量的预测方法，其特征在于：所述步骤4中，采用加性位置编码矩阵维持补丁时序性的步骤，包括：
7.根据权利要求6所述的基于时间序列对烟丝制造工艺出口水分含量的预测方法，其特征在于：所述步骤4中，利用多头注意力机制对补丁时间序列进行深度编码，获得多头注意力机制输出的步骤，包括：
8.根据权利要求7所述的基于时间序列对烟丝制造工艺出口水分含量的预测方法，其特征在于：所述步骤5中，对多头注意力机制输出经过双层线性变换，采用非线性激活函数进行残差连接的步骤，包括：
9.根据权利要求8所述的基于时间序列对烟丝制造工艺出口水分含量的预测方法，其特征在于：所述步骤5中，经过展平层和线性头头部处理，得到最终输出的预测结果的步骤，包括：
