<scp>GELU‐LSTM</scp> ‐encoder‐decoder fault prediction for batch processes based on the global–local percentile method
Notice bibliographique
Résumé
Abstract Fault prediction is a crucial strategy for ensuring the safety and efficiency of batch processes, and it aims to predict the degradation trend and isolate the fault. Operating mistakes or external environment changes can lead to the degradation of batch processes, eventually resulting in faults. The point at which degradation begins is known as the time to start prediction (TSP). Determining the TSP provides more reliable degradation information for fault prediction and enhances prediction accuracy. Nevertheless, it is difficult to obtain TSP in batch processes because of some complex data features, such as multi‐phase and strong dynamics, which result in a significant loss of fault prediction. To address these challenges, a fault prediction method is proposed based on the global–local percentile method applied to Gaussian error linear unit‐long short‐term memory‐encoder‐decoder (GELU‐LSTM‐encoder‐ED). Firstly, squared prediction error (SPE) is normalized to eliminate differences in data features. Secondly, a global–local percentile method is proposed to determine the TSP. The period is divided based on the threshold fluctuation to derive the model input. Then the global percentile model is employed to identify the interval to which the TSP belongs. Subsequently, the local percentile model is employed to analyze this interval and identify the TSP. Thirdly, the LSTM based on the encoder‐decoder model, enhanced with the GELU, is utilized to improve the performance of fault prediction. Finally, two fault datasets on the penicillin fermentation process and Escherichia coli fermentation process are employed to demonstrate the performance of the presented method compared with other shared methods.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».