基于深度学习的流化床固含率长期实时预测方法及系统

本发明公开了基于深度学习的流化床固含率长期实时预测方法和系统，属于流化床技术领域；通过优化基于残差U‑Net架构的深度学习模型，构建流化床的固含率时空预测模型，在较小的验证损失下实现了实时预测，以及能够较好提取出流化床中固含率瞬时快照的时空特征，实现模型预测精度与实时性之间的有效平衡；通过实验分析确定模型长期预测失真是源于深度学习模型容易忽略流化床底部区域内的小气泡，以此提出校正策略对模型的预测结果进行校正，极大的提高了模型长期准确预测的稳定性；本发明的预测方法直接基于实验数据进行预测，满足工业生产的长期和实时性需求。