化工厂生产过程中会遇到复杂的状况，所得到的数据包含较多的维度、重复的信息和时间上的联系，并且还存在着噪声干扰的情况。传统的化学计量学方法不能同时达到分析准确度和处理速度的要求，给实际应用造成困难。尝试创建包含深度学习技术的化学计量学模型框架，先确定工业数据的具体特点。然后分析两种专门的模型，PLSTM-MTGF 模型适合光谱数据分析，Transformer 时序融合模型适合工艺环节动态建模。最后选择青霉素发酵作为案例来检验数据分析优化生产的可行性，结合近红外光谱结果和离线监测数据，给工厂使用数据分析优化生产提供新的思路。