一种用于工业过程建模的大型时间序列模型的微调和知识嵌入方法及系统

本发明涉及一种用于工业过程建模的大型时间序列模型的微调和知识嵌入方法及系统，在工业知识与时序大模型之间建立神经表征桥梁。首先通过工业理论知识推导构建理论数据集，随后基于知识神经元理论提出一种可解释的大模型的微调方法。利用这种微调方法分别训练大型时间序列模型得到真实数据模型Model‑R和理论模型Model‑T。通过梯度显著性分析定位这两个模型中负责存储理论知识和数据规律的特定神经元。在此基础上，开发了一种动态融合算法，将知识神经元从Model‑T定向地转移并整合到Model‑R中，从而有效地将理论约束嵌入数据驱动模型中。本发明将理论知识转化为可编辑的神经元参数，提高模型的预测精度的同时推动了时间序列大模型从黑箱预测到可解释的飞跃，为工业大模型的可信部署提供了一条新路径。这对于流程工业的智能化转型具有普遍意义。