基于对抗训练的神经网络模型构建的方法及存储介质

本申请涉及一种基于对抗训练的神经网络模型构建的方法及存储介质，本申请通过将采样重构数据通过特征提取器提取工况过程中的特征不变量，其中，所述采样重构数据由对工况数据进行工况分类后采样重构得到；通过预测器从所述特征不变量中预测工况数据中的关键数据；将所述采样重构数据以及特征不变量经过梯度反转层后输入至域判别器中，进行预测工况数据所在领域的域标签；根据预测到的关键数据以及域标签构建目标损失函数，以完成模型的对抗训练，得到基于对抗训练的神经网络模型。能够基于有限的离线数据构建精度高且泛化性好的模型，进而提高工业过程模型的泛化能力和预测精度。