本發(fā)明公開了一種基于時空卷積潛變量優(yōu)化近鄰成分分析的質(zhì)量指標(biāo)預(yù)測方法，該方法適用于具有強(qiáng)非線性、時變性及多工況的工業(yè)過程建模。首先采用二維卷積神經(jīng)網(wǎng)絡(luò)提取原始過程變量中的時空特征，獲取深層時空信息；其次使用偏最小二乘法提取深層特征中的潛變量，使得后續(xù)模型建立過程中使用更少的變量來保留數(shù)據(jù)中的主要方差信息，減少運(yùn)算復(fù)雜度；最后結(jié)合近鄰成分分析，使得模型可以更好地應(yīng)對來自于實際工業(yè)過程中的多工況引起的數(shù)據(jù)分布隨機(jī)化；為驗證模型預(yù)測的準(zhǔn)確性，該方法用于廢水處理過程的出水質(zhì)量指標(biāo)預(yù)測。實驗結(jié)果表明，時空卷積潛變量與近鄰成分分析的結(jié)合可明顯提高模型預(yù)測的準(zhǔn)確性，更適用于復(fù)雜工業(yè)過程的關(guān)鍵質(zhì)量指標(biāo)預(yù)測。