来源：期刊VIP网 时间：
作者：赵濮1;南新元1;高丙朋1;蔡鑫1;许涛1;潘宗金2;张伟2
单位：1.新疆大学电气工程学院;2.新疆东方希望有色金属有限公司
摘要：针对现场传感器含噪数据影响出水温度预测精度的问题，提出一种由对抗对比盲降噪自编码器(adversarial contrastive blind denoising autoencoder,ACBDAE)和融合Transformer与BiLSTM网络的间冷塔出水温度降噪预测架构。首先通过ACBDAE网络对间冷塔数据进行盲降噪，构建残差GRU提取时间特征；采用InfoNCE正则化帮助模型更好地区分数据中的相似性和差异性；引入对抗网络提高自编码器重构数据的质量。然后降噪数据通过TransBiLSTM网络进行出水温度预测，Transformer编码器可捕捉全局的序列信息和复杂的依赖关系，而BiLSTM则可以更好地捕捉局部的时序特征和变化趋势，以提高预测的准确率。结果表明：经过ACBDAE模型降噪后，预测模型r2提高3.13%,MSE、MAE和MAPE分别减少约76.24%、71.16%和71.08%，具有较好的间冷塔出水温度预测性能。
关键词：间冷塔;出水温度预测;对抗对比盲降噪自编码器;Transformer;BiLSTM;深度学习
基金资助：国家自然科学基金（62303394）; 新疆维吾尔自治区自然科学基金资助项目（2024D01C28）; 新疆维吾尔自治区高校基本科研业务费科研项目（XJEDU2023P025）
