期刊文献+
共找到831篇文章
< 1 2 42 >
每页显示 20 50 100
基于Transformer模型的时序数据预测方法综述 被引量:13
1
作者 孟祥福 石皓源 《计算机科学与探索》 北大核心 2025年第1期45-64,共20页
时序数据预测(TSF)是指通过分析历史数据的趋势性、季节性等潜在信息,预测未来时间点或时间段的数值和趋势。时序数据由传感器生成,在金融、医疗、能源、交通、气象等众多领域都发挥着重要作用。随着物联网传感器的发展,海量的时序数据... 时序数据预测(TSF)是指通过分析历史数据的趋势性、季节性等潜在信息,预测未来时间点或时间段的数值和趋势。时序数据由传感器生成,在金融、医疗、能源、交通、气象等众多领域都发挥着重要作用。随着物联网传感器的发展,海量的时序数据难以使用传统的机器学习解决,而Transformer在自然语言处理和计算机视觉等领域的诸多任务表现优秀,学者们利用Transformer模型有效捕获长期依赖关系,使得时序数据预测任务取得了飞速发展。综述了基于Transformer模型的时序数据预测方法,按时间梳理了时序数据预测的发展进程,系统介绍了时序数据预处理过程和方法,介绍了常用的时序预测评价指标和数据集。以算法框架为研究内容系统阐述了基于Transformer的各类模型在TSF任务中的应用方法和工作原理。通过实验对比了各个模型的性能、优点和局限性,并对实验结果展开了分析与讨论。结合Transformer模型在时序数据预测任务中现有工作存在的挑战提出了该方向未来发展趋势。 展开更多
关键词 深度学习 时序数据预测 数据预处理 Transformer模型
在线阅读 下载PDF
基于深度学习的时序数据异常检测研究综述 被引量:2
2
作者 陈红松 刘新蕊 +1 位作者 陶子美 王志恒 《信息网络安全》 北大核心 2025年第3期364-391,共28页
时序数据异常检测是数据挖掘及网络安全领域的重要研究课题。文章以时序数据异常检测技术为研究对象,运用文献调研与比较分析方法,深入探讨了深度学习模型在该领域的应用及其研究进展。文章首先介绍了深度时序数据异常检测的定义与应用... 时序数据异常检测是数据挖掘及网络安全领域的重要研究课题。文章以时序数据异常检测技术为研究对象,运用文献调研与比较分析方法,深入探讨了深度学习模型在该领域的应用及其研究进展。文章首先介绍了深度时序数据异常检测的定义与应用;其次,提出了深度时序数据异常检测面临的9个问题与挑战,并将时序数据异常分为10类,枚举了16种典型的时序数据异常检测数据集,其中包括5种社交网络舆情安全领域相关数据集;再次,文章将深度时序数据异常检测模型进行分类研究,分析总结了近50个相关模型,其中包括基于半监督增量学习的社交网络不良信息发布者异常检测,进一步地,文章依据深度学习模型的学习模式将模型划分为基于重构、基于预测、基于重构与预测融合3种类型,并对这些模型的优缺点及应用场景进行综合分析;最后,文章从8个方面展望了深度时序异常检测技术的未来研究方向,分析了每个方向的潜在研究价值及技术瓶颈。 展开更多
关键词 深度学习 时序数据 异常检测 模型分类 社交网络
在线阅读 下载PDF
基于时空图注意力网络的多变量时序数据异常检测方法
3
作者 肖刚 卢大鹏 +2 位作者 郑文博 程振波 张元鸣 《浙江大学学报(工学版)》 北大核心 2025年第10期2134-2143,共10页
现有时序数据异常检测方法侧重于提取时序数据的时间变化特征,忽略了多变量之间的空间依赖特征,为此提出基于时空图注意力网络的检测方法.将多变量时序数据转换为具有时空依赖关系的时序图结构数据,设计时空图注意力网络分别提取时序图... 现有时序数据异常检测方法侧重于提取时序数据的时间变化特征,忽略了多变量之间的空间依赖特征,为此提出基于时空图注意力网络的检测方法.将多变量时序数据转换为具有时空依赖关系的时序图结构数据,设计时空图注意力网络分别提取时序图结构数据的时间变化特征和空间依赖特征.通过多层感知机学习时空特征的周期性模式,根据时序数据的预测值与观测值的异常分数进行异常检测.在公开数据集上的实验结果表明,所提方法在异常检测精准度和鲁棒性方面显著优于现有先进的基线方法. 展开更多
关键词 异常检测 时序 图深度学习 多变量时序数据 时空特征融合
在线阅读 下载PDF
无线传感网络高维时序数据状态估计算法研究
4
作者 邓俊华 屠敏 《传感技术学报》 北大核心 2025年第2期356-361,共6页
无线传感网络中数据量较大,准确估计存储节点中的数据状态,可以避免传感网络受高维度、冗余数据、网络状态等问题的干扰,进而提高传感网络的安全性。然而在传感网络中,对高维时序数据的状态估计一直是一个难点问题,为此,提出一种无线传... 无线传感网络中数据量较大,准确估计存储节点中的数据状态,可以避免传感网络受高维度、冗余数据、网络状态等问题的干扰,进而提高传感网络的安全性。然而在传感网络中,对高维时序数据的状态估计一直是一个难点问题,为此,提出一种无线传感网络高维时序数据状态估计算法。采用基于信息熵的PCA降维算法对传感节点中的高维时序数据进行降维处理,基于最优集成随机森林算法提取数据的特征,将提取的状态特征数据输入到贝叶斯估计模型中,并采用粒子滤波对模型求解,完成无线传感网络高维时序数据的状态估计。仿真结果表明:所提算法的估计时间始终在1.99 s以下,节点能耗小于22.1 J,估计结果与实际结果一致,具有良好的估计效果。 展开更多
关键词 无线传感网络 数据状态估计 贝叶斯估计模型 粒子滤波 高维时序数据 信息熵
在线阅读 下载PDF
基于谱聚类的时序数据局部离群点挖掘方法
5
作者 张薇 《吕梁学院学报》 2025年第2期47-51,共5页
为了有效地识别时序数据中的局部离群点,文章深入研究了基于谱聚类的离群点挖掘方法,并提出了针对时序数据的优化算法.通过理论分析和实验验证,文章展示了该方法在不同数据量级别下的性能表现.具体来说,在处理3000个数据点的场景中,方... 为了有效地识别时序数据中的局部离群点,文章深入研究了基于谱聚类的离群点挖掘方法,并提出了针对时序数据的优化算法.通过理论分析和实验验证,文章展示了该方法在不同数据量级别下的性能表现.具体来说,在处理3000个数据点的场景中,方法在准确率上达到了0.9489,在精确度上实现了0.9636,且在F1分数上达到了0.9052.这些表现均优于传统的孤立森林(Isolation Forest,IF)和基于密度的离群点检测(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)算法.此外,在一个智能手机活动监测的案例研究中,成功地应用了该方法来识别异常活动,如跌倒事件,其中异常特征值与常规活动表现出显著差异,因此文章研究对于时序数据局部离群点挖掘的优化具有一定的参考意义. 展开更多
关键词 时序数据 局部离群点检测 谱聚类 数据挖掘 活动监测
在线阅读 下载PDF
时序数据库关键技术综述 被引量:12
6
作者 刘帅 乔颖 +2 位作者 罗雄飞 赵怡婧 王宏安 《计算机研究与发展》 EI CSCD 北大核心 2024年第3期614-638,共25页
随着工业物联网(industrial Internet of things,IIoT)的不断发展,越来越多的设备和传感器开始连接到网络中,产生了大量的时间序列数据(简称“时序数据”),时序数据爆炸式的增长给数据库管理系统带来了新的挑战:持续高吞吐量数据摄取、... 随着工业物联网(industrial Internet of things,IIoT)的不断发展,越来越多的设备和传感器开始连接到网络中,产生了大量的时间序列数据(简称“时序数据”),时序数据爆炸式的增长给数据库管理系统带来了新的挑战:持续高吞吐量数据摄取、低延迟多维度数据查询、高性能时间序列索引以及低成本数据存储.近年来时序数据库技术已经成为一个研究热点,一些学者对时序数据库技术进行了深入的研究,同时出现了一些专门用于管理时序数据的时序数据库,并且已经被应用在多个领域,成为工业物联网中不可缺少的关键组成.现有的时序数据库相关综述侧重于时序数据库的功能和性能比较,以及在特定领域中对时序数据库的选择建议,缺少对时序数据库持久化存储、查询、计算和索引等关键技术的研究,同时这些综述工作出现的时间较早,缺少对现代时序数据库关键技术的研究.对学术界时序数据存储研究和工业界时序数据库进行了全面的调查和研究,凝练了时序数据库的4类关键技术:1)时间序列索引优化技术;2)内存数据组织技术;3)高吞吐量数据摄取和低延迟数据查询技术;4)海量历史数据低成本存储技术.同时分析总结了时序数据库评测基准.最后,展望了时序数据库关键技术在未来的发展方向. 展开更多
关键词 工业物联网 时序数据 时序数据 时序数据压缩 时序数据存储
在线阅读 下载PDF
基于时序数据的环空带压预测混合模型 被引量:2
7
作者 张阳杰 张智 +1 位作者 王杨 邓皓匀 《科学技术与工程》 北大核心 2025年第5期1870-1877,共8页
为避免异常环空带压导致井筒失效,进而造成安全事故,准确预测环空带压值,在其超过控制值时提前采取预防和解决措施。提出自回归差分移动平均-长短期记忆模型(autoregressive integrated moving average-long short-term memory,ARIMA-LS... 为避免异常环空带压导致井筒失效,进而造成安全事故,准确预测环空带压值,在其超过控制值时提前采取预防和解决措施。提出自回归差分移动平均-长短期记忆模型(autoregressive integrated moving average-long short-term memory,ARIMA-LSTM),该模型针对实际环空带压时序数据和特征捕捉的数据集训练预测实例井的环空带压值,并与单一模型、循环神经网络(recurrent neural network,RNN)模型进行对比。研究结果显示:通过实际数据训练后,该模型在误差、拟合精度和整体性能上有着良好表现,可为提高环空带压值的预测精度和效率提供参考,对井筒完整性设计有一定帮助。 展开更多
关键词 环空带压预测 时序数据 神经网络 混合模型
在线阅读 下载PDF
深入理解IoTDB在时序数据工作负载下的性能表现
8
作者 刘健 程建勋 +4 位作者 闫高锋 吕泽涛 孙国道 梁荣华 蒋莉 《小型微型计算机系统》 北大核心 2025年第4期1014-1024,共11页
IoT设备的大量部署导致时序数据呈现爆炸式增长,为了更好地管理大规模时序数据,高效满足上层时序用户的高性能访问需求,各种时序数据库被广泛开发和部署.但目前从业人员对于时序数据库的理解还不够深入,积累的知识和经验往往局限于传统... IoT设备的大量部署导致时序数据呈现爆炸式增长,为了更好地管理大规模时序数据,高效满足上层时序用户的高性能访问需求,各种时序数据库被广泛开发和部署.但目前从业人员对于时序数据库的理解还不够深入,积累的知识和经验往往局限于传统数据库,并不适用于新兴的时序数据库.本文以面向IoT设计的开源时序数据库IoTDB为基础,利用基准测试工具IoT-Benchmark生成多样化的时序数据工作负载,深入探究IoTDB在处理时序数据工作负载时的性能表现和行为特征.本文的研究能够为时序数据库的设计者和开发者在开发和部署高性能时序数据库方面提供更有价值的帮助和指导. 展开更多
关键词 IoTDB 时序数据工作负载 性能评估 新硬件
在线阅读 下载PDF
基于时序数据深度挖掘的高压开关柜在线监测方法 被引量:1
9
作者 王嘉曦 金立军 《无线互联科技》 2025年第12期86-89,共4页
在高压开关柜监测中,直接采集的信号特征时序信息混杂,导致监测准确性受影响。为此,文章设计了时序数据深度挖掘的在线监测方法。该方法提取高压开关柜监测信号的时序特征,捕捉全局信息,在各数据层进行交互,分析时序特征的重要性。通过... 在高压开关柜监测中,直接采集的信号特征时序信息混杂,导致监测准确性受影响。为此,文章设计了时序数据深度挖掘的在线监测方法。该方法提取高压开关柜监测信号的时序特征,捕捉全局信息,在各数据层进行交互,分析时序特征的重要性。通过时序数据深度挖掘技术,建立高压开关柜监测中心,从而实现开关柜在线准确监测。监测结果显示,RMSE值为0.0~0.5,MAE值为0.0~0.2,高监测的准确性较高,对于提升开关柜运行稳定性具有重要作用。 展开更多
关键词 时序数据深度挖掘 时序特征 高压开关柜 在线监测方法 监测中心
在线阅读 下载PDF
基于变分图自编码器的多变量时序数据异常检测
10
作者 尹文萃 谢平 +2 位作者 叶成绪 韩佳新 夏星 《计算机科学》 北大核心 2025年第S1期688-695,共8页
多变量时序数据异常检测指识别多变量时序数据中的异常值。为解决多变量时序数据间的复杂性和内部变量间特征依赖的问题,文中提出了一种基于变分图自编码器的多变量时序数据异常检测方法。首先,使用滑动窗口提取变量嵌入特征,并基于特... 多变量时序数据异常检测指识别多变量时序数据中的异常值。为解决多变量时序数据间的复杂性和内部变量间特征依赖的问题,文中提出了一种基于变分图自编码器的多变量时序数据异常检测方法。首先,使用滑动窗口提取变量嵌入特征,并基于特征相似性构建结构关联关系图,然后将该多变量时序数据间的关联关系通过变分图自编码器进行优化,提高多变量时序数据的结构特征表征能力;其次,通过多头注意力机制提升多变量时序数据不同通道间的特征表示,并和多变量时序数据结构信息进行融合;最后,采用极值理论选取阈值并进行无监督异常检测。实验结果表明,所提模型在SWaT,MSL等数据集上F1分数达到了81.43%和99.67%的结果。 展开更多
关键词 异常检测 多变量时序数据 图结构学习 变分图自编码器
在线阅读 下载PDF
鲁棒物联网多维时序数据预测方法
11
作者 沈忱 何勇 彭安浪 《计算机工程》 北大核心 2025年第4期107-118,共12页
在物联网(IoT)场景中,数据在采集和传输过程中易受噪声的干扰,导致数据中存在一定的离群值与缺失值。现有的时间正则化矩阵分解模型通常考虑平方损失来衡量重构误差,忽略了处理存在异常数据的多维时间序列时,矩阵分解的质量同样是影响... 在物联网(IoT)场景中,数据在采集和传输过程中易受噪声的干扰,导致数据中存在一定的离群值与缺失值。现有的时间正则化矩阵分解模型通常考虑平方损失来衡量重构误差,忽略了处理存在异常数据的多维时间序列时,矩阵分解的质量同样是影响模型预测性能的关键因素。提出一种基于L_(2,log)范数的时间感知鲁棒非负矩阵分解多维时序预测框架(TARNMF)。TARNMF通过非负矩阵分解(NMF)和参数可学习的自回归(AR)时间正则项建立多维时序数据的时空相关性,基于存在离群值的数据服从拉普拉斯分布的假设,使用L_(2,log)范数来估计非负鲁棒矩阵分解中原始数据和重建矩阵的误差,以减小异常数据对预测模型的干扰。L_(2,log)范数具备现有鲁棒度量函数的性质,解决了L_(1)损失的近似问题,并通过压缩异常值的残差来减少其对目标函数的影响。此外,提出一种基于投影梯度下降的优化方法对模型进行优化。实验结果表明,TARNMF具有良好的可扩展性和鲁棒性,尤其在高维Solar数据集上,较次优结果的相对平均绝对误差降低了8.64%。同时,在噪声数据上的实验结果验证了TARNMF能高效地处理和预测存在异常数据的IoT时序数据。 展开更多
关键词 L_(2 log)范数 非负矩阵分解 时间正则化矩阵分解 多维时序数据预测 鲁棒性
在线阅读 下载PDF
基于时序数据的列车牵引系统故障预测方法 被引量:1
12
作者 贺鑫来 孙庚 +4 位作者 汪敏捷 翟逸男 陈岩霖 尹娴 冯艳红 《现代电子技术》 北大核心 2025年第4期57-62,共6页
牵引系统作为列车动能转换的关键模块,如果发生故障会给整车正常运行带来重大安全隐患,所以对其进行故障预测具有重要意义。然而,传统预测方法存在高度依赖人工经验判断、不能包含大量故障特征、预测精度不足等问题。为此,文中提出一种... 牵引系统作为列车动能转换的关键模块,如果发生故障会给整车正常运行带来重大安全隐患,所以对其进行故障预测具有重要意义。然而,传统预测方法存在高度依赖人工经验判断、不能包含大量故障特征、预测精度不足等问题。为此,文中提出一种基于时序数据的故障预测方法。利用XGBoost算法对列车牵引变流器系统的故障特征进行计算和筛选,确定与变流器故障相关性较强的关键特征;采用贝叶斯优化的LSTM模型自适应地学习多源变量数据特征,利用时间窗对特征变量数据进行截取,实现对不同类型故障的预测。实验结果表明,所提方法在预测变流器场景下的6种故障时准确率可达到91%以上。 展开更多
关键词 牵引系统 故障预测 时序数据 XGBoost算法 LSTM 时间窗
在线阅读 下载PDF
基于局部增强的时序数据对抗样本生成方法
13
作者 李雪莹 杨琨 +1 位作者 涂国庆 刘树波 《计算机应用》 北大核心 2025年第5期1573-1581,共9页
深度神经网络(DNN)极易遭受对抗攻击,进而引起时序数据分类任务中的安全问题。基于梯度的攻击方法可以快速地生成对抗样本,但需要不断访问模型内部信息;基于生成的攻击方法在模型训练完成之后无须访问模型内部信息,但存在隐蔽性和迁移... 深度神经网络(DNN)极易遭受对抗攻击,进而引起时序数据分类任务中的安全问题。基于梯度的攻击方法可以快速地生成对抗样本,但需要不断访问模型内部信息;基于生成的攻击方法在模型训练完成之后无须访问模型内部信息,但存在隐蔽性和迁移性较差等问题。针对以上问题,基于生成式攻击方法 AdvGAN提出一种基于局部增强的时序数据对抗样本生成方法,其中的局部增强策略将其他类别数据的信息注入原样本中,并利用增强后的数据执行灰盒攻击;而攻击模型不仅可以利用原样本信息,还能利用其他类别样本的分布信息,进而提升模型的攻击能力和迁移能力。在UCR数据集上的实验结果表明,所提方法平均0.027 s即可生成一个对抗样本;在27个数据集中,它的攻击成功率分别在18、25和13个数据集上优于快速梯度符号法(FGSM)、AdvGAN和GATN(Gradient Adversarial Transformation Network)方法;它的生成对抗样本的均方误差(MSE)分别在20和27个数据集上明显小于AdvGAN和GATN方法;在21个数据集中,它的迁移成功率分别在18和11个数据集上优于AdvGAN和FGSM方法,且在9个数据集上的迁移攻击成功率达到25%以上。可见,所提方法在保证对抗样本生成速度的同时,提高了对抗样本的隐蔽性并保持有竞争力的攻击效果。 展开更多
关键词 时序数据 深度学习 对抗样本 数据增强 灰盒攻击
在线阅读 下载PDF
基于因果解耦变分自编码器的装备异常时序数据生成
14
作者 程景平 韩翔宇 +2 位作者 王乐其 高飞 曹芳芳 《航天控制》 2025年第3期84-92,共9页
装备异常时序数据生成是工业智能运维领域的核心挑战之一。针对传统装备数据生成方法在异常生成中存在的潜在空间耦合性强、物理规律违背及异常模式单一等问题,提出一种因果解耦的变分自编码器方法,通过引入因果图约束潜在变量独立性和... 装备异常时序数据生成是工业智能运维领域的核心挑战之一。针对传统装备数据生成方法在异常生成中存在的潜在空间耦合性强、物理规律违背及异常模式单一等问题,提出一种因果解耦的变分自编码器方法,通过引入因果图约束潜在变量独立性和嵌入物理方程作为解码器先验知识,并结合动态扰动策略生成多样化异常数据,实现了装备异常时序数据集的智能化生成。实验表明,该方法在单因精确控制、拟合时间维故障传播以及物理约束可控性方面具有良好的适应性。在多个跨领域公共评测数据集上,生成异常数据的物理合理性、可解释性和检测模型训练效果均显著优于现有方法。 展开更多
关键词 健康监测 装备异常时序数据 小样本学习 故障预测
原文传递
基于时空维度重构的时序数据预测方法
15
作者 姜珊 常乐 尹璐 《北京师范大学学报(自然科学版)》 北大核心 2025年第3期293-299,共7页
针对多维时间序列预测中变量间依赖关系建模不足以及其与时空动态结构适应性差的问题,提出了一种基于时空维度重构的Transformer网络;通过分段编码机制,将同一维度的信息编码为二维向量矩阵,并对该矩阵进行维度倒置处理;引入2阶段注意... 针对多维时间序列预测中变量间依赖关系建模不足以及其与时空动态结构适应性差的问题,提出了一种基于时空维度重构的Transformer网络;通过分段编码机制,将同一维度的信息编码为二维向量矩阵,并对该矩阵进行维度倒置处理;引入2阶段注意力机制,依次对跨时间与跨维度的依赖关系建模,从而有效提升时序表示能力.设计了一个用于捕捉时间序列与空间结构之间动态演变依赖特性的动态图结构模块,并在来自真实世界的5个数据集上对其进行了测试.结果表明,基于时空维度重构的Transformer(STARFormer)模型优于其他基于Transformer的多维时序预测模型. 展开更多
关键词 时空维度重构 时序数据预测 动态图 维度倒置 注意力机制
在线阅读 下载PDF
基于工业时序数据的生产工艺限值优化自适应算法模型研究
16
作者 廖晨博 丑世龙 +1 位作者 黄显纲 魏明 《自动化与仪表》 2025年第3期29-33,共5页
该文针对采油厂作业区SCADA系统在使用过程中产生大量无效报警的问题,深入研究了基于工业时序数据的生产工艺限值优化自适应算法模型。通过对正态分布算法、累积概率密度函数算法、抽油机异常停机报警算法、泵状态变化报警算法及加热炉... 该文针对采油厂作业区SCADA系统在使用过程中产生大量无效报警的问题,深入研究了基于工业时序数据的生产工艺限值优化自适应算法模型。通过对正态分布算法、累积概率密度函数算法、抽油机异常停机报警算法、泵状态变化报警算法及加热炉停炉报警算法的机制分析,找出了现有算法存在的问题,并提出了相应的优化思路。经过优化后的算法在实际应用中取得了显著的效果,有效降低了无效报警数量,提高了生产过程的高效运维水平。 展开更多
关键词 工业 时序数据 工艺 限值优化 算法模型 自适应
在线阅读 下载PDF
基于工业时序数据的生产工艺限值智能分析系统设计与应用研究
17
作者 李海涛 王永全 +1 位作者 刘宇闲 王海国 《自动化与仪表》 2025年第5期154-159,164,共7页
该文对生产工艺预警报警体系进行了研究,建立了“从报警概念、报警规则、建模方法、报警融合、报警处置流程到报警优化”的生产运行预警一体化管理体系。通过统计学、算法模型、大数据分析等技术优化报警参数,提升报警有效性,最终搭建... 该文对生产工艺预警报警体系进行了研究,建立了“从报警概念、报警规则、建模方法、报警融合、报警处置流程到报警优化”的生产运行预警一体化管理体系。通过统计学、算法模型、大数据分析等技术优化报警参数,提升报警有效性,最终搭建油田公司报警限值研究系统,形成油田公司限值智能分析与报警管理一体化平台,完成作业区级单变量、多变量报警限值智能分析的应用性落地。 展开更多
关键词 工业时序数据 KingSCADA 算法模型 报警分析
在线阅读 下载PDF
基于混合生成对抗网络的核动力时序数据异常检测方法研究
18
作者 万静意 艾庆忠 +3 位作者 曾辉 欧阳泽宇 唐雷 赵欣 《智能计算机与应用》 2025年第5期111-116,共6页
为利用核动力系统产生的大量时序数据,自动、高效检测出系统动态运行过程中存在的各类异常,本研究提出了一种面向核动力系统多元时序数据的无监督异常检测方法NadGAN,以提高微小异常和新异常的识别率,避免其发展为严重事故。利用门控循... 为利用核动力系统产生的大量时序数据,自动、高效检测出系统动态运行过程中存在的各类异常,本研究提出了一种面向核动力系统多元时序数据的无监督异常检测方法NadGAN,以提高微小异常和新异常的识别率,避免其发展为严重事故。利用门控循环单元(GRU)作为生成对抗网络(GAN)中生成器和判别器的基础模型,提取时间依赖关系,通过对抗训练学习正常数据特征分布。在异常检测阶段,采用自适应阈值方法综合考虑判别误差和重构误差进行异常判定,避免手动调参。在6个仿真数据集上与4种基线方法进行对比实验,结果表明NadGAN性能优于其他对比方法,证明了将所提出方法运用于核动力系统异常检测的有效性和可行性。 展开更多
关键词 核动力系统 多元时序数据 异常检测 生成对抗网络 门控循环单元
在线阅读 下载PDF
基于CNN和GAT的多元时序数据预测方法研究
19
作者 王玉乾 陈雷鸣 +3 位作者 董次浩 陈涛 赵宏伟 张宝宇 《计算机与数字工程》 2025年第8期2181-2187,共7页
智能制造、航天探测等领域中的传感器产生了大量的时序数据,这些数据中记录了设备的运行状态信息。如何有效地利用传感器的历史数据对未来时刻的行为进行预测,以便进一步对设备实现维护是非常重要的。在以往的预测方法中,往往只对多元... 智能制造、航天探测等领域中的传感器产生了大量的时序数据,这些数据中记录了设备的运行状态信息。如何有效地利用传感器的历史数据对未来时刻的行为进行预测,以便进一步对设备实现维护是非常重要的。在以往的预测方法中,往往只对多元时序数据在时间维度的关联关系进行建模,忽视了多元时序数据在空间维度的依赖关系。为了充分地对多元时序数据在时间和空间两个维度上的特征信息进行提取,从而实现更精准的预测。论文提出了一种基于CNN和GAT的多元时序数据预测方法。分别利用CNN和GAT来提取多元时序数据在时间维度和空间维度的信息,并综合利用提取到的信息来进行预测。在两个真实传感器数据集上的实验表明,论文提出的方法相比于传统的预测方法有着更低的LOSS值。 展开更多
关键词 卷积神经网络 图注意力网络 多元时序数据 人工智能
在线阅读 下载PDF
基于改进LSTM的多时隙工业时序数据预测方法研究 被引量:1
20
作者 周红福 孙凯文 《自动化仪表》 2025年第4期86-91,共6页
在工业生产中,常常存在对仪器仪表数据进行趋势预测的需求。对长短期记忆(LSTM)神经网络作出改进,提出一种多时隙工业时序数据预测方法。首先,对输入端作出改进,使得模型能够预测多个采样周期后的数值。其次,对模型单元作出优化,提高了... 在工业生产中,常常存在对仪器仪表数据进行趋势预测的需求。对长短期记忆(LSTM)神经网络作出改进,提出一种多时隙工业时序数据预测方法。首先,对输入端作出改进,使得模型能够预测多个采样周期后的数值。其次,对模型单元作出优化,提高了模型对数值的拟合能力。再次,设计了一种新颖的数据清洗算法,提升了数据获取的稳定性。最后,使用污水厂的多组真实流量数据,对该方法进行验证。验证结果表明,该方法克服了原始LSTM预测方法的缺陷,创新地完成了多时隙数据预测的任务,实现了对24 h后数据的精准预测;相比对照组方法,该方法在数据曲线图像跟随趋势与数学统计指标方面均有提升。该方法能够实际助力污水厂的资源计划和调配。 展开更多
关键词 长短期记忆神经网络 深度学习 趋势预测 工业时序数据 滑动窗口 数据清洗
在线阅读 下载PDF
上一页 1 2 42 下一页 到第
使用帮助 返回顶部