在生产过程中，对很多工业过程的模拟由于涉及到微分方程（常微分或偏微分），使得建模难度极大。传统机理模型在维数较高时，计算量可能成指数级增长，普通计算速度难以适应实际需求，给机理模型实用化带来巨大挑战。
为此我们开发出了基于人工智能的数据驱动过程建模技术，即代理模型技术。该技术采用纯数据驱动，能够有效降低建模难度和成本，提高模型通用能力，实现在线轻量的快速运行。该技术可以在大大提高计算速度的同时，对代理模型的精准度进行量化，即在给出推理值的同时给出误差带，显著减少数据对外界干扰的敏感度。主要技术手段如下：
· GRU: 自主设计的双向多头注意力机制 GRU 神经网络技术，能够高精度建模生产过程，可以作为机理模型的辅助或者代替机理模型。
· DGPR: 创新深度高斯过程模型技术，实现过程重点参数的区间预测，辅助在考虑模型精度不高的情况下实现鲁棒决策。
代理模型技术的效果如下图所示：
