GRAG-Net: 動的SO2推定のためのゲート付き残差自己回帰外因性GRUソフトセンサー
GRAG-Net: A Gated Residual Autoregressive–Exogenous GRU Soft Sensor for Dynamic SO2 Estimation in Sulfur Recovery Units
硫黄回収装置(SRU)の監視において、信頼性の高い一段階の情報が必要とされる場合、正確な二酸化硫黄(SO2)推定は重要である。本研究では、多変量プロセスダイナミクスを厳密な因果的SO2履歴から分離し、最新の測定ターゲットに対する分岐固有の残差補正を予測し、サンプル依存ゲートを介してそれらを組み合わせるGated Residual Autoregressive–Exogenous GRU Network(GRAG-Net)を提案する。このモデルは、10,081の時系列順の産業観測データを用いて、3つの拡大将来テスト期間と5つの最終ランダムシードで評価された。比較対象には、パーシステンス、線形外挿、絶対および残差古典回帰、プロセスのみおよび自己回帰GRU、結合GRU、LSTM–ARX、TCN–ARX、固定融合、グローバルゲーティングが含まれる。15回の記述的なフォールド・シード評価を通じて、GRAG-NetはMAE 0.00315±0.00044モル%、RMSE 0.00790±0.00064モル%、R2=0.97753±0.00331を達成した。プールされたシードアンサンブルのMAEとRMSEはそれぞれ0.00291モル%と0.00766モル%であり、AR–GRUと比較して32.5%と18.0%の削減となった。独立して訓練されたアブレーションにより、残差再構成とサンプル依存融合が主要なアーキテクチャ貢献者であることが特定され、依存関係を認識したブートストラップ分析、因果ゲート診断、ラグ分析、およびクロスフォールド/クロスシードSHAP安定性が、堅牢で解釈可能な一段階ソフトセンシングを支持した。
- GRAG-Net(Gated Residual Autoregressive–Exogenous GRU Network)を提案し、因果的SO2履歴と多変量プロセスダイナミクスを分離して残差補正をサンプル依存ゲートで統合する一段階SO2推定を実現
- 硫黄回収装置(SRU)の10,081件の時系列産業観測データで評価し、MAE 0.00315±0.00044モル%、RMSE 0.00790±0.00064モル%、R2=0.97753±0.00331を達成
- プールされたシードアンサンブルでMAE 0.00291モル%、RMSE 0.00766モル%と、自己回帰GRU(AR–GRU)比でそれぞれ32.5%、18.0%削減
- アブレーションにより残差再構成とサンプル依存融合が主要な性能貢献要素と特定され、ブートストラップ分析やSHAP安定性で解釈性を確認
産業プロセス向けのソフトセンサー精度を競う研究で、GRAG-NetはMAEをベースライン比32.5%削減しつつ、アブレーションとSHAPで解釈性まで示した点が実用導入の障壁を下げる。SO2排出監視は規制遵守コストに直結するため、こうした一段階推定モデルの実装は鉄鋼・石油精製・鉱業など重工業の計装・制御ベンダーにとって差別化要因になり得る。ただし研究段階のアーキテクチャ提案であり、商用化やライセンスの主体が不明なため、現時点では直接の投資対象ではなく、産業AI/ソフトセンサー企業の技術動向を測る材料として注視したい。