MSAKAN软测量模型

水泥f-CaO预测误差0.1573

一个多尺度注意力网络，把水泥熟料质量软测量精度推到实用水平。

Yonghang, Li · Xiaochen, Hao · Yang, Xunian · Xingzhi, Zheng · Libin, Wei

IEEE Transactions on Industrial Informatics 2026

参数信息

预训练决定系数

0.8724 R²

f-CaO预测平均绝对误差

0.1573

技术优势

预测更准

联合训练框架将预测f-CaO的平均绝对误差降低到0.1573，优于现有最优基线。

增强非线性映射

MSAKAN结合多尺度注意力与Kolmogorov–Arnold网络，增强了非线性映射能力。

多任务预测

MambaMoE采用专家混合机制进行未来过程变量的多任务预测。

弥合时间差异

级联对抗式联合训练策略通过两个模型的相互适应，弥合了过程数据与质量数据之间的时间差异。

应用场景

• 工业质量预测：实时预测f-CaO等质量指标，减少实验室化验频次。
• 流程工业监控：利用高频过程数据与预测模型，实现异步采样下的持续监控。
• 水泥生产优化：准确预测f-CaO含量，辅助调整工艺参数以优化熟料质量。
• 制造过程智能控制：为智能控制提供实时质量反馈，支持闭环优化。