期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到10,173篇文章
< 1 2 … 250 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
Informer-LSTM融合算法在蓝莓基质温湿度预测中的研究与应用
1
作者 胡玲艳 陈鹏宇 +6 位作者 郭占俊 徐国辉 秦山 付康 盖荣丽 汪祖民 张雨萌 《郑州大学学报(理学版)》 北大核心 2026年第1期78-86,共9页
为了精准预测温室蓝莓基质的温湿度变化趋势,提出一种融合Informer-LSTM算法的温湿度预测方法。以温室蓝莓现场环境数据为研究对象,使用LSTM算法捕捉时间序列数据中的依赖关系并与自注意力机制相结合,使模型在聚焦自注意力特征的同时兼... 为了精准预测温室蓝莓基质的温湿度变化趋势,提出一种融合Informer-LSTM算法的温湿度预测方法。以温室蓝莓现场环境数据为研究对象,使用LSTM算法捕捉时间序列数据中的依赖关系并与自注意力机制相结合,使模型在聚焦自注意力特征的同时兼顾LSTM特征,以增强其长期记忆力。在生成初步预测序列后,再应用LSTM算法修正模型的短期注意力,提高模型的反应速度。实验结果显示,Informer-LSTM预测模型在预测准确率、鲁棒性和响应速度等方面都有显著的优势。当温度湿度等时序输入数据发生明显变化时,模型能快速捕获短期内输入数据的动态模式变化。该模型在智慧温室管理中,对辅助人工决策及实现智能化控制具有较高实际价值。 展开更多
关键词 智慧农业 温室蓝莓 informer模型 LSTM模型 温湿度预测
在线阅读 下载PDF
基于改进Informer的商业建筑短期用电负荷多步预测
2
作者 周璇 李可昕 +3 位作者 郭子轩 俞祝良 闫军威 蔡盼盼 《华南理工大学学报(自然科学版)》 北大核心 2026年第1期42-52,共11页
商业建筑短期用电负荷多步预测是城市有序用电和虚拟电厂调度的关键环节。商业建筑用电负荷时间序列具有强随机性、非平稳、非线性等特点,针对传统的迭代式多步用电负荷预测方法存在误差累积效应影响预测精度的问题,提出一种基于频率增... 商业建筑短期用电负荷多步预测是城市有序用电和虚拟电厂调度的关键环节。商业建筑用电负荷时间序列具有强随机性、非平稳、非线性等特点,针对传统的迭代式多步用电负荷预测方法存在误差累积效应影响预测精度的问题,提出一种基于频率增强通道注意力机制(FECAM)—麻雀优化算法(SSA)—Informer的短期用电负荷多步预测方法。该方法在Informer编码器输出时域特征的基础上,采用FECAM对各特征通道间的频率依赖性进行自适应建模,进一步提取多维输入序列的频域特征,生成式解码器利用融合的时、频域信息直接输出未来多步用电负荷序列。此外,由于改进Informer超参数设置缺乏理论依据,使用SSA寻优学习率、批处理大小、全连接维度和失活率的最佳组合。以广州某商业建筑全年用电负荷数据作为实际算例,结果表明,与其他深度学习模型相比,所提模型在不同预测步长(48、96、288、480、672步)下的预测精度显著提升,具有更优的短期用电负荷多步预测性能。 展开更多
关键词 商业建筑用电负荷预测 频率增强通道注意力机制 informer 麻雀优化算法
在线阅读 下载PDF
基于Informer模型的智能洪水预报方法研究
3
作者 董付强 万喆 +3 位作者 王丽娟 蔡金华 万俊 罗永钦 《人民长江》 北大核心 2026年第1期53-63,共11页
洪水预报精度和预见期是做好水库洪水预警和调度的关键,在洪水预报中应用人工智能模型可有效提高洪水预报精度。应用K-means聚类分析法对潘口水库流域进行了科学划分,然后采用Informer深度学习模型进行洪水预报,并与传统LSTM模型进行了... 洪水预报精度和预见期是做好水库洪水预警和调度的关键,在洪水预报中应用人工智能模型可有效提高洪水预报精度。应用K-means聚类分析法对潘口水库流域进行了科学划分,然后采用Informer深度学习模型进行洪水预报,并与传统LSTM模型进行了对比研究,最后基于Informer模型设计了4种预报方案分析上游水库对潘口水库洪水预报精度的影响。结果表明:(1) Informer模型的预报性能优于LSTM模型;(2)优化后的Informer模型,训练集和测试集总体纳什系数为0.892,洪水总量误差为6.64%,洪水峰值误差为7.69%,洪量误差及洪峰误差平均值均达到甲级标准;(3)基于Informer模型的2023年和2024年堵河流域潘口水库实际检验预报纳什系数均值为0.878和0.827,洪量误差及洪峰误差合格率均达100%,均满足甲级要求。基于深度学习Informer模型的智能洪水预报不仅可提高洪量和洪峰的预测精度,而且具有较强的实际应用潜力,可为水库洪水预报预警及防灾减灾提供决策依据。 展开更多
关键词 智能洪水预报 深度学习模型 informer模型 LSTM模型 潘口水库 堵河
在线阅读 下载PDF
基于改进Informer模型的无人机姿态估计方法
4
作者 肖蘅 包乃源 +1 位作者 周文 杨亚婷 《现代电子技术》 北大核心 2026年第4期57-63,共7页
传统无人机姿态估计方法由于传感器精度不高和设备成本限制,难以满足复杂环境中的精确需求。为此,提出一种基于改进Informer模型的无人机姿态估计方法,引入多尺度时间注意力机制和动态时间规整(DTW)损失函数,提升模型在长序列数据处理... 传统无人机姿态估计方法由于传感器精度不高和设备成本限制,难以满足复杂环境中的精确需求。为此,提出一种基于改进Informer模型的无人机姿态估计方法,引入多尺度时间注意力机制和动态时间规整(DTW)损失函数,提升模型在长序列数据处理和动态飞行数据适应方面的能力。此外,采用遗传算法对模型超参数进行优化,显著提高了复杂飞行数据处理的准确性和鲁棒性。基于苏黎世大学机器人实验室发布的UZH-FPV竞赛数据集,将改进后的Informer模型与LSTM、GRU和DNN模型进行了实验对比。结果表明,改进Informer模型在无人机的俯仰角、滚转角和偏航角估计方面均显著优于其他对比模型。 展开更多
关键词 无人机姿态估计 informer模型 多尺度时间注意力机制 动态时间规整损失函数 遗传算法优化 长序列数据处理
在线阅读 下载PDF
基于XGBoost-LSTM-Informer的硫磺价格预测研究
5
作者 张新生 李慧敏 《中国物价》 2026年第1期12-18,共7页
针对以硫磺为代表的大宗商品价格呈现非线性、非规律波动的特点,本研究创新性地提出XGBoost-LSTM-Informer深度学习组合模型。该模型的核心优势在于有效结合LSTM捕捉短期依赖的能力与Informer捕捉长期依赖的优势。本文以硫磺价格多因素... 针对以硫磺为代表的大宗商品价格呈现非线性、非规律波动的特点,本研究创新性地提出XGBoost-LSTM-Informer深度学习组合模型。该模型的核心优势在于有效结合LSTM捕捉短期依赖的能力与Informer捕捉长期依赖的优势。本文以硫磺价格多因素预测为案例,首先采用独立森林法对原始数据进行预处理,并结合皮尔逊相关系数法与XGBoost重要性对影响因素进行双重筛选。随后将融合后的数据集分别并行输入LSTM和Informer进行训练,并利用Optuna进行超参数调优,通过迭代训练输出模型最优预测结果。多组对比实验与消融实验表明,XGBoost-LSTM-Informer模型在预测精度上显著优于基准模型,既能准确反映硫磺价格整体波动趋势,也能及时捕捉局部价格波动细节。基于实验结果,本文从加强硫磺数据挖掘、引入模型辅助风险管理、构建硫磺价格预测体系三方面提出建议,为提升硫磺市场价格监测与风险管控能力提供理论支撑。 展开更多
关键词 长短期记忆神经网络 informer模型 多因素价格预测 硫磺价格 影响因素
原文传递
基于Informer-SAO-LSTM的刀具磨损预测
6
作者 李昂 马俊燕 唐源斌 《组合机床与自动化加工技术》 北大核心 2026年第1期151-155,161,共6页
在产品加工过程中,准确预测刀具的磨损值既能避免过早更换造成的成本浪费,又可防止过度磨损影响加工精度,从而最大化发挥刀具寿命的价值。为了解决这个问题,提出了一种基于Informer、SAO与LSTM结合的深度学习网络模型,用于刀具磨损预测... 在产品加工过程中,准确预测刀具的磨损值既能避免过早更换造成的成本浪费,又可防止过度磨损影响加工精度,从而最大化发挥刀具寿命的价值。为了解决这个问题,提出了一种基于Informer、SAO与LSTM结合的深度学习网络模型,用于刀具磨损预测。Informer具有高效的编码器结构和稀疏自注意力机制,而LSTM网络具有较强的时间序列建模能力,通过SAO算法对超参数的调整,可以更准确高效地捕捉刀具磨损过程中长期的依赖关系,从而提取更有效的特征,提升了模型在处理长序列数据时的效率和准确性。使用PHM2010数据集进行对比实验,实验结果表明所提出的Informer-SAO-LSTM模型在MAE、RMSE等多项指标上均表现出色,最后设计了实验进行验证,进一步说明了所提出的方法比对比模型的预测准确率更高,泛化能力更好。 展开更多
关键词 LSTM informer SAO 刀具磨损 深度学习 时间序列预测
在线阅读 下载PDF
基于深度时间序列模型xLSTM-Informer的矿压数据预测方法研究
7
作者 王永胜 崔志瀛 +2 位作者 赵亮 董文哲 赵文广 《煤炭与化工》 2026年第1期25-31,共7页
针对矿压时序数据强非线性与长程依赖特性导致的预测难题,本文提出一种融合扩展长短期记忆网络(xLSTM)与长序列预测模型(Informer)的xLSTM-Infomer预测方法。较于传统单一模型,该模型利用xLSTM精细捕捉局部动态特征的能力,并结合Informe... 针对矿压时序数据强非线性与长程依赖特性导致的预测难题,本文提出一种融合扩展长短期记忆网络(xLSTM)与长序列预测模型(Informer)的xLSTM-Infomer预测方法。较于传统单一模型,该模型利用xLSTM精细捕捉局部动态特征的能力,并结合Informer全局长程依赖高效建模的特性,实现了对矿压演化规律的长期预测。为验证模型的预测能力,本文以新疆硫磺沟煤矿的倾斜厚煤层工作面为背景,对工作面矿压数据进行预测,实验结果表明,与LSTM、Informer等基准模型相比,本文所建立的模型预测性能有较高提升,不同部位预测结果的决定系数R^(2)均在93%以上,最高的R^(2)达到了98.21%,且较于对比模型在MAE与RMSE的指标上也均处于最低水平,同时模型在复杂工况下也能表现出较高的预测精度,这为实现智能矿压监测与灾害预警提供了可靠的技术支撑。 展开更多
关键词 矿压预测 深度学习 informer xLSTM 混合模型 智能矿山
在线阅读 下载PDF
基于Informer算法的智能化全周期数据治理技术研究
8
作者 孙建 周亚明 《电气自动化》 2026年第1期20-24,共5页
为解决多源异构数据治理中时序对齐难、生命周期管理低效及全链路监控不足等问题,提出基于自注意力机制的创新时间序列预测算法的智能化全周期数据治理技术。通过自注意力机制的创新时间序列预测算法的自适应分段和稀疏注意力机制实现... 为解决多源异构数据治理中时序对齐难、生命周期管理低效及全链路监控不足等问题,提出基于自注意力机制的创新时间序列预测算法的智能化全周期数据治理技术。通过自注意力机制的创新时间序列预测算法的自适应分段和稀疏注意力机制实现多源数据高效时序对齐与噪声过滤。利用分层编码器-解码器架构和图采样与聚合知识图谱嵌入构建跨域数据关联模型,分析数据生命周期时序依赖性并生成资源动态分配策略,在全周期数据治理中具有突出的技术效果。试验结果表明,所提技术数据处理吞吐量达12583 TPS,为智能化数据治理提供了新支撑。 展开更多
关键词 数据治理 informer算法 时序分析 生命周期管理 异常检测
在线阅读 下载PDF
基于改进Informer的医院就诊人流量预测研究
9
作者 邵志鸿 顾宗保 +3 位作者 郭学渊 戴雅琼 范美婕 刘红佑 《自动化应用》 2026年第2期109-111,共3页
针对医院新风系统调控粗放造成的峰谷错配与冗余能耗问题,提出了基于多任务自适应加权的改进Informer模型(Informer_AMTL),并以某三甲医院信息数据系统的数据为依据进行48 h就诊人流量多步预测。在相同超参数和数据集上,与传统Informer... 针对医院新风系统调控粗放造成的峰谷错配与冗余能耗问题,提出了基于多任务自适应加权的改进Informer模型(Informer_AMTL),并以某三甲医院信息数据系统的数据为依据进行48 h就诊人流量多步预测。在相同超参数和数据集上,与传统Informer模型相比,本模型在测试集上取得的平均绝对误差(MAE)为3.75、均方误差(MSE)为68.92、均方根误差(RMSE)为8.302,显著提升了峰值识别能力与整体稳定性。研究成果可为新风系统的分时分区按需控制提供前馈负荷基准,有助于实现新风系统的低成本节能运行。 展开更多
关键词 医院后勤管理 人流量预测 informer
在线阅读 下载PDF
基于融合劣化指标和VMD-Informer的水电机组劣化趋势预测 被引量：1
10
作者 宋阿妮 陈亦真 +2 位作者 詹云峰 李超顺 付波 《中国农村水利水电》 北大核心 2025年第5期90-96,共7页
水电机组长期运行在恶劣环境下,异常振动更加频繁,逐渐出现疲劳、磨损,导致机组性能劣化。为保障机组的安全稳定运行,需要准确直观地反映水电机组运行并预测机组未来劣化状况,为机组状态检修提供重要依据。提出了一种基于融合劣化指标和... 水电机组长期运行在恶劣环境下,异常振动更加频繁,逐渐出现疲劳、磨损,导致机组性能劣化。为保障机组的安全稳定运行,需要准确直观地反映水电机组运行并预测机组未来劣化状况,为机组状态检修提供重要依据。提出了一种基于融合劣化指标和VMD-Informer的机组劣化趋势预测方法。首先构建KAN健康模型拟合工况参数与振摆值之间的映射关系,然后通过对比模型输出值与实测振摆值在不同指标下的差异得到多个劣化序列,运用遗传算法对多个劣化序列进行寻优获取融合劣化指标,兼顾多个指标的优势,更为准确地反映机组劣化趋势。之后用变分模态分解(VMD)将融合劣化序列分解为多个分量,最后利用Informer预测模型对分解后的各个分量进行多步预测并重构得到最终的预测结果,从而实现对机组运行状况的准确评估和预测。实例分析表明,所提方法能够生成可靠的劣化趋势,同时在预测上能学习劣化趋势序列的长期趋势和局部特征,预测精度更高。 展开更多
关键词 水电机组 劣化评估 退化预测 Kolmogorov-Arnold Network 遗传算法 informer
在线阅读 下载PDF
基于DWT-CNN-Informer模型的液压支架压力多步长预测 被引量：3
11
作者 张传伟 张刚强 +1 位作者 路正雄 李林岳 《中国安全生产科学技术》 北大核心 2025年第4期57-63,共7页
为了实现液压支架压力多步长精准预测,提出1种基于DWT-CNN-Informer模型的压力多步长预测方法,该方法利用离散小波变换(discrete wavelet transform, DWT)将预处理后的压力时序数据分解为趋势项和周期项频率分量;各频率分量输入卷积神... 为了实现液压支架压力多步长精准预测,提出1种基于DWT-CNN-Informer模型的压力多步长预测方法,该方法利用离散小波变换(discrete wavelet transform, DWT)将预处理后的压力时序数据分解为趋势项和周期项频率分量;各频率分量输入卷积神经网络(CNN)模型提取频率特征;提取的频率特征输入Informer编码器,经位置编码和多头概率稀疏自注意力机制捕捉时序变化特征,并结合自注意力蒸馏减少特征冗余;将Informer解码器改为全连接层,直接输出各分量多步长预测结果;重构叠加各分量多步长预测结果得到液压支架压力多步长预测结果。研究结果表明:在预测步长分别为6,12,24时,DWT-CNN-Informer模型相比LSTM、Informer、CNN-Informer模型在平均绝对误差(MAE)、均方根误差(RMSE)、对称平均绝对百分比误差(SMAPE)指标上均表现出更高预测精度。研究结果为液压支架压力精准预测提供有效方法。 展开更多
关键词 液压支架压力 多步长预测 离散小波变换 CNN模型 informer模型
在线阅读 下载PDF
基于SDAE-EEMD降噪分解与改进Informer-BiLSTM模型的电力短期负荷预测方法 被引量：1
12
作者 蔡子龙 李嘉棋 +3 位作者 沈赋 王健 徐潇源 杨宇林 《电网技术》 北大核心 2025年第12期5009-5018,I0010-I0015,共16页
当前短期负荷预测模型在电价与负荷动态融合机制、负荷数据降噪与时序特征提取环节仍存在不足,制约了预测精度的提升。该文提出了一种集成电价及气象多维特征的短期电力负荷预测框架。首先,结合堆叠降噪自编码器(stacked denoising auto... 当前短期负荷预测模型在电价与负荷动态融合机制、负荷数据降噪与时序特征提取环节仍存在不足,制约了预测精度的提升。该文提出了一种集成电价及气象多维特征的短期电力负荷预测框架。首先,结合堆叠降噪自编码器(stacked denoising autoencoders,SDAE)和集合经验模态分解(ensemble empirical mode decomposition,EEMD)构建混合降噪分解模块,有效抑制负荷序列中的噪声干扰和模态混叠问题。EEMD将去噪后负荷序列分解为固有模态函数(intrinsic mode functions,IMFs)分量。其次,基于最大信息系数(maximum information coefficient,MIC)分析,将电价和气象特征分别融入高、低频IMFs分量中,实现差异化的特征动态融合。在此基础上,提出分频预测策略。针对高频分量,引入全局时间戳编码与稀疏注意力机制的改进Informer模型,以捕捉短时剧烈波动特征;对低频分量,采用Bi LSTM网络捕捉长期趋势与周期性。最后,基于澳大利亚国家电力市场公开数据集的实证结果表明,在平均绝对百分比误差和均方误差两个指标上均显著优于未引入电价特征或未采用分频策略的对比模型。通过高质量数据预处理、关键特征动态融合与针对性分频结构建模的协同优化,有效提升了短期负荷预测的精度与稳定性,可为电力市场动态定价机制下的负荷预测提供高效可靠的技术支撑。 展开更多
关键词 短期负荷预测 电价 SDAE EEMD 改进informer BiLSTM 分频预测
原文传递
基于xLSTM-Informer的瓦斯浓度预测模型研究 被引量：1
13
作者 谭波 杨宽 +5 位作者 隋龙琨 左云飞 高赛逸 汤松鹭 高科天 贾锦祥 《工矿自动化》 北大核心 2025年第9期81-89,共9页
针对矿井瓦斯浓度预测任务中存在的多变量非线性耦合、长期依赖建模能力不足及模型滞后响应严重等问题,提出了一种融合扩展型长短期记忆网络(xLSTM)与Informer结构的复合型预测模型(xLSTM-Informer)。将xLSTM作为前置处理器,通过多层残... 针对矿井瓦斯浓度预测任务中存在的多变量非线性耦合、长期依赖建模能力不足及模型滞后响应严重等问题,提出了一种融合扩展型长短期记忆网络(xLSTM)与Informer结构的复合型预测模型(xLSTM-Informer)。将xLSTM作为前置处理器,通过多层残差记忆单元提取短时间窗口内的波动模式与变量间的耦合信息,并将其转换为结构化时序序列表征,再将处理后的时序表示输入至Informer主干结构中,进一步在扩展的时间窗口中提取全局依赖关系与稳定趋势,从而在保持细节响应的同时增强预测的时序连续性。基于井下束管监测系统采集的多源环境参数数据,开展特征重要性分析,选取O_(2)浓度、温度与风速3个指标作为输入变量,构建输入特征体系。利用xLSTM提取深层时序特征,并通过Informer中引入的ProbSparse自注意力机制,有效捕捉时序特征中的全局依赖关系,从而提升模型对非平稳性瓦斯浓度预测的能力。为评估xLSTM-Informer模型在瓦斯浓度预测任务中的性能优势,与xLSTM模型、Transformer模型及经典Informer模型进行比较,结果表明:xLSTM-Informer模型在平均绝对误差(MAE)、均方根误差(RMSE)、平均绝对百分比误差(MAPE)与决定系数R^(2)上均取得最优性能,R^(2)达0.954,较对比模型分别提升了21.4%,17.8%和19.4%。为进一步验证xLSTM-Informer模型在瓦斯浓度预测任务中的有效性与适应性,选取某矿井综放工作面实测传感器数据进行实例验证,同时与LSTM-Transformer,RNN-Informer,LSTM-Informer和双向LSTM-Informer(BiLSTM-Informer)4类复合模型进行对比,结果表明:xLSTM-Informer模型在瓦斯浓度变化趋势与关键拐点的响应方面均优于对比模型,表现出较高的拟合性和时序同步性。 展开更多
关键词 瓦斯浓度预测 长时间序列预测 xLSTM informer ProbSparse自注意力机制
在线阅读 下载PDF
基于多任务Informer模型的船舶轨迹预测及行为识别研究
14
作者 李世刚 刘克中 +3 位作者 陈立家 周乃祺 周阳 黄嘉韬 《中国航海》 北大核心 2025年第3期157-165,共9页
为有效预判航行风险,并为船舶避碰、交通管理等决策提供重要依据,研究了一种基于多任务Informer模型的船舶轨迹预测及行为识别模型。该模型以Informer框架为基础,并引入多任务学习模式,通过设计多任务损失函数将船舶行为识别与轨迹预测... 为有效预判航行风险,并为船舶避碰、交通管理等决策提供重要依据,研究了一种基于多任务Informer模型的船舶轨迹预测及行为识别模型。该模型以Informer框架为基础,并引入多任务学习模式,通过设计多任务损失函数将船舶行为识别与轨迹预测并联训练,解决了AIS数据中船舶行为不准确无法作为模型输入的问题;在模型训练时,并设计基于同方差不确定性的损失函数自适应更新策略,自适应分配两个任务的损失权重。利用太仓航段水域中的真实AIS数据进行试验中多任务的Informer船舶轨迹预测模型在轨迹预测中的损失比LSTM和Informer模型分别降低了40.2%和14.7%;在行为识别任务中多任务模型的识别准确率比LSTM和Informer模型分别提升了11.7%和5.95%。表明了多任务模型能在有效提升船舶轨迹预测的性能的同时实现船舶对行为的准确识别。 展开更多
关键词 轨迹预测 行为识别 AIS数据 informer模型 多任务学习
在线阅读 下载PDF
融合LSTM与Informer网络的锂离子电池SOH估计
15
作者 胡远志 陈飞 +2 位作者 刘西 冯仁华 舒星 《武汉大学学报(理学版)》 北大核心 2025年第6期813-820,共8页
锂离子电池在长期使用过程中易发生容量衰退,显著影响电动汽车的续航性能和安全。为精准评估电池的健康状态(SOH),建立了一种融合长短期记忆神经网络(LSTM)和Informer网络的锂离子电池SOH估计方法。采用局部离群因子(LOF)算法对实验电... 锂离子电池在长期使用过程中易发生容量衰退,显著影响电动汽车的续航性能和安全。为精准评估电池的健康状态(SOH),建立了一种融合长短期记忆神经网络(LSTM)和Informer网络的锂离子电池SOH估计方法。采用局部离群因子(LOF)算法对实验电池的充电数据进行预处理,提取电池充电电压曲线的最大切线角及其对应时间作为健康特征,并基于Spearman相关系数分析了其与SOH之间的相关性。结合LSTM在局部特征提取方面的优势与Informer捕捉全局依赖关系方面的能力,构建了融合LSTM与Informer的串联网络,并将提取的健康特征作为模型输入,实现了对电池SOH的精确估算。实验结果表明,该方法在估算精度上具有显著优势,最大绝对误差可控制在2.5%以内,均方根误差(RMSE)和平均绝对值误差(MAE)均控制在1%以内。与传统单一网络对比,该方法具有更优的估算性能与泛化能力。 展开更多
关键词 锂离子电池 电池健康状态(SOH) 异常值处理 长短期记忆(LSTM)网络 informer网络
原文传递
基于RF-Informer模型的月径流遥相关预报
16
作者 李继清 谢宇韬 +1 位作者 徐学军 吴亮 《水资源保护》 北大核心 2025年第3期39-45,共7页
为延长中长期径流预报的预见期,提高预报精度,从物理成因上考虑径流的影响因素,在前期降水径流的基础上增加遥相关因子,通过随机森林(RF)模型进行因子选择,引入长时间序列预报中表现良好的Informer模型,构建了月径流预报的RF-Informer模... 为延长中长期径流预报的预见期,提高预报精度,从物理成因上考虑径流的影响因素,在前期降水径流的基础上增加遥相关因子,通过随机森林(RF)模型进行因子选择,引入长时间序列预报中表现良好的Informer模型,构建了月径流预报的RF-Informer模型,并利用该模型对雅砻江流域两河口、锦西、二滩3个水库的入库月径流进行了预报。结果表明:将遥相关因子引入流域月径流预报可以延长预见期,提高预报精度;相较于线性相关法,基于RF模型选择预报因子可以挖掘因子间非线性关系,提升预报效果;与RF-LSTM、RF-SVM、RF-BP神经网络模型相比,RF-Informer模型的误差最小,预报精度最高。 展开更多
关键词 月径流预报 遥相关因子 随机森林模型 informer模型 雅砻江流域
在线阅读 下载PDF
基于Informer模型的航班延误预测
17
作者 杨新湦 游超 朱承元 《科学技术与工程》 北大核心 2025年第19期8282-8288,共7页
为能更加精准预测不同时段的航班延误态势,选用美国亚特兰大机场2023年全年的运行数据与相关气象数据进行实验,提出基于相关系分析(correlation analysis,CA),主成分分析(principal components analysis,PCA)和Informer模型的CA-PCA-Inf... 为能更加精准预测不同时段的航班延误态势,选用美国亚特兰大机场2023年全年的运行数据与相关气象数据进行实验,提出基于相关系分析(correlation analysis,CA),主成分分析(principal components analysis,PCA)和Informer模型的CA-PCA-Informer航班延误预测模型,采用MAE(mean absolute error)和RMSE(root mean square error)作为模型的评价指标进行预测误差分析。结果表明,CA-PCA-Informer模型比简单的组合模型预测效果更好,与CA-PCA-LSTM和CA-PCA-GRU模型相比模型误差最低,MAE和RMSE分别降低了20.2%~20.7%和12.7%~14.1%;CA-PCA-Informer模型对预测步长为1 h时预测更为精准,该模型可以为决策者提供更加准确的航班延误态势以保证航班的高效运行。 展开更多
关键词 民航交通运输 航班延误预测 informer模型 主成分分析 神经网络
在线阅读 下载PDF
融合改进Informer与迁移学习的风电功率预测
18
作者 郭利进 孙淼 衡安阳 《太阳能学报》 北大核心 2025年第7期371-377,共7页
为克服风电功率序列的不稳定性导致预测精度低以及一些风电场历史数据有限的问题,提出一种特征交互Informer与迁移学习(FIITL)的风电功率预测模型。首先提出特征交互(FI)机制用双通道输入进一步提取信息,并将迁移学习(TL)引入到预测模型... 为克服风电功率序列的不稳定性导致预测精度低以及一些风电场历史数据有限的问题,提出一种特征交互Informer与迁移学习(FIITL)的风电功率预测模型。首先提出特征交互(FI)机制用双通道输入进一步提取信息,并将迁移学习(TL)引入到预测模型中,提出循环微调迁移学习,将模型从源监测站迁移到目标站,实现在有限历史数据情况下预测性能的提升。最后,通过与传统Informer模型及其他基线预测方法比较,FIITL模型展现了在有限数据情况下的性能优势。 展开更多
关键词 迁移学习 风电功率 预测 informer 特征交互
原文传递
基于特征优选及Informer的航空发动机剩余寿命预测
19
作者 卢翔 高新越 +2 位作者 王杜 康千灼 何晟 《电子测量技术》 北大核心 2025年第22期10-19,共10页
航空发动机健康监测传感器众多,传感器选择是否得当,将直接影响发动机剩余寿命预测效果。提出一种基于特征优选的传感器选择方法,结合Informer预测剩余寿命,提高了预测的精度。首先利用差分聚类算法对真实的飞行工况进行分类,接着由航... 航空发动机健康监测传感器众多,传感器选择是否得当,将直接影响发动机剩余寿命预测效果。提出一种基于特征优选的传感器选择方法,结合Informer预测剩余寿命,提高了预测的精度。首先利用差分聚类算法对真实的飞行工况进行分类,接着由航空发动机退化机理构建健康因子,利用巡航阶段的数据建立回归树模型,选出重要的传感器,最后基于Informer进行航空发动机剩余寿命的预测。利用NASA最新发布的真实飞行条件下航空发动机退化数据库进行了实验,实验结果表明:与不选择传感器相比,所提方法的预测结果均方根误差下降了14%,平均评分函数下降了29%;与传统的依据传感器退化趋势或传感器变化差异二种选择方法相比,均方根误差分别下降了10%、8%,平均评分函数分别下降了48%、27%;将提出的剩余寿命预测方法与CatBoost、LightGBM、XGBoost、BiLSTM和Transformer算法相比,精度分别提升了36%、24%、14%、6%和5%。 展开更多
关键词 剩余寿命预测 特征优选 informer 回归树 航空发动机
原文传递
LSTM与Informer融合预测冠层区域温度
20
作者 黄铝文 刘宇航 +1 位作者 屈昆仪 朱玉颖 《农业工程学报》 北大核心 2025年第8期222-232,共11页
针对传统温度预测方法难以充分捕捉多尺度信息,导致模型预测性能不佳等问题,该研究提出了一种基于Informer架构和长短时记忆网络(long short-term memory,LSTM)与多源数据融合的冠层区域温度预测模型。在编码层中,采用稀疏注意力机制提... 针对传统温度预测方法难以充分捕捉多尺度信息,导致模型预测性能不佳等问题,该研究提出了一种基于Informer架构和长短时记忆网络(long short-term memory,LSTM)与多源数据融合的冠层区域温度预测模型。在编码层中,采用稀疏注意力机制提取输入因子的多尺度信息及其与长时序数据之间的耦合关系;在解码层中,利用LSTM提取短期时序依赖,以增强时间序列的连贯性,同时引入改进的反向残差前馈网络(improved residual feedforward network,IRFFN)以优化模型结构。首先采用孤立森林法对数据进行异常值清理,并进行了归一化处理;然后使用斯皮尔曼相关系数法对冠层区域温度进行相关性分析,并选择相关程度较高的环境因子作为模型的输入特征;最终通过网格搜索法对超参数进行优化,并通过迭代训练实现模型的最优配置。通过与其他4种主流算法进行对比分析,提出的InformerLSTM在冠层区域温度预测方面表现出更高的精度,其平均绝对误差(mean absolute error,MAE)、均方根误差(root mean square error,RMSE)和决定系数(R^(2))分别达到了0.166、0.224℃和0.978,与基础模型Informer相比,冠层区域温度的均方根误差降低了0.448℃。该模型在时间序列预测方面具有较高的精度,为区域气象温度的中短期精准预测提供了一种新的技术方法。 展开更多
关键词 冠层 温度 非线性时间序列 长短期记忆神经网络 informer
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 250 下一页 到第 页
使用帮助 返回顶部