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9,906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：
基于多任务Informer模型的船舶轨迹预测及行为识别研究
1
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
基于融合劣化指标和VMD-Informer的水电机组劣化趋势预测
2
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RF-Informer模型的月径流遥相关预报
3
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
4
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
5
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xLSTM-Informer的瓦斯浓度预测模型研究
6
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DWT-CNN-Informer模型的液压支架压力多步长预测
7
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
LSTM与Informer融合预测冠层区域温度
8
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
基于RR间期构建常见心律失常Informer分类模型
9
作者 李娜 罗玮敏 +2 位作者 雷蕾 张勇 侯应龙 《心脏杂志》 2025年第4期430-435,共6页
目的基于RR间期数据,构建心房颤动(房颤)与期前收缩(早搏)的Informer分类模型,并进行评价。方法收集并筛选窦性心律、持续性房颤、频发房性早搏、频发室性早搏的动态心电图共150例为研究对象,提取RR间期序列,并截取为50拍的片段,随机选... 目的基于RR间期数据,构建心房颤动(房颤)与期前收缩(早搏)的Informer分类模型,并进行评价。方法收集并筛选窦性心律、持续性房颤、频发房性早搏、频发室性早搏的动态心电图共150例为研究对象,提取RR间期序列,并截取为50拍的片段,随机选取得到训练集(n=8941)、验证集(n=2235)、测试集(n=3013),构建Informer、VGG16分类模型,并进行分类性能评价。结果与SR组比较,AF组平均心率升高(P<0.01);与AF组比较,PAC组和PVC组平均心率降低(均P<0.01);Informer模型分类总正确率为91.04%,对AF的敏感性、阴性预测值最高,分别为99.77%、99.90%,对SR的特异性、阳性预测值最高,分别为99.47%、98.74%,对SR的整体诊断效能最优,准确率为96.81%。Informer与VGG16对SR、PVC的分类性能没有差异,对PACC(P<0.01)的分类性能优于VGG16,对AF(P<0.05)的分类性能不及VGG16。Informer模型与心电专家的诊断结果之间具有高度一致性(Kappa=0.8784)。结论基于RR间期时序性数据构建的Informer模型能够实现房颤、早搏等常见心律失常的分类。 展开更多
关键词 机器学习 心律失常 RR间期 informer模型 VGG16模型
原文传递
基于DCNN-Informer的航空发动机寿命预测方法
10
作者 廖雪超 陈海力 钟实 《计算机技术与发展》 2025年第5期76-81,共6页
故障预测与健康管理(PHM)在工业工程中发挥了重要作用,剩余使用寿命(RUL)预测对于维护策略的制定和减少工业损失至关重要。针对航空发动机退化特征复杂性不断增加,导致发动机剩余寿命预测精度低的问题,该文利用卷积神经网络(CNN)提取时... 故障预测与健康管理(PHM)在工业工程中发挥了重要作用,剩余使用寿命(RUL)预测对于维护策略的制定和减少工业损失至关重要。针对航空发动机退化特征复杂性不断增加,导致发动机剩余寿命预测精度低的问题,该文利用卷积神经网络(CNN)提取时间序列数据的高维空间特征,并结合Informer的自注意力机制对这些特征进行全局建模,从而充分提取时间维度的信息。此外,为进一步提高模型的准确性和泛化能力,设计了发动机二次训练框架,数据集按发动机进行分组,将每个分组的数据分别送入CNN-Informer模型进行二次训练,以得到针对每台发动机的个性化模型。最后,采用DCNN-Informer模型中的二阶指数平滑滤波算法对模型的预测结果进行滤波,以提高预测的稳定性和准确性。实验结果表明,该预测模型在RUL预测方面具有明显优势,相较于现有模型,其预测性能更为优越。 展开更多
关键词 深度学习 剩余寿命预测 informer 卷积神经网络 航空发动机
在线阅读 下载PDF
基于Auto-Informer模型的短期风电功率预测研究
11
作者 杨宏 孟令蛟 张铁峰 《电力科学与工程》 2025年第3期30-37,共8页
准确的短期风电功率预测对于保障风力发电系统与电网的安全稳定运行具有重要意义。由于风速受季节变化、昼夜交替等因素的影响,风力的发电功率呈现出周期性变化的特点。因此,为了高效捕捉时间点之间的周期依赖关系,提出一种基于Auto-Inf... 准确的短期风电功率预测对于保障风力发电系统与电网的安全稳定运行具有重要意义。由于风速受季节变化、昼夜交替等因素的影响,风力的发电功率呈现出周期性变化的特点。因此,为了高效捕捉时间点之间的周期依赖关系,提出一种基于Auto-Informer模型的短期风电功率预测方法。该模型将自相关系数计算方法融入稀疏概率自注意力机制中,进而提升对相邻时间点之间周期依赖的捕捉能力,使模型能够更好地提取局部周期信息,同时增强模型的稳定度。在某地区的风电场数据基础上进行仿真验证,实验结果表明,与目前主流的预测模型相比,所提出的模型在预测不同短期序列时,均方误差、平均绝对误差均有所改善,短期预测风电功率的准确性得以提高。该结果验证了模型的有效性。 展开更多
关键词 风电功率预测 长序列预测 informer模型 自注意力机制 自相关机制
在线阅读 下载PDF
基于VMD-Informer的流程工艺质量指标预测模型
12
作者 郑华丽 李志敏 +2 位作者 王明君 闫文凯 叶春明 《制造业自动化》 2025年第5期54-61,共8页
针对制造业流程工艺质量指标数据波动性强、影响因素繁多,使用传统预测模型难以挖掘其隐含规律实现高精度预测的问题,提出了一种基于VMD-Informer的深度学习质量指标预测模型。首先筛选与质量指标相关的流程工艺参数;接着使用变分模态分... 针对制造业流程工艺质量指标数据波动性强、影响因素繁多,使用传统预测模型难以挖掘其隐含规律实现高精度预测的问题,提出了一种基于VMD-Informer的深度学习质量指标预测模型。首先筛选与质量指标相关的流程工艺参数;接着使用变分模态分解(VMD)将质量指标数据集分解为模态分量与误差项;然后筛选与各分量具有相关性的工艺指标作为输入矩阵;最后使用Informer模型对各分量及误差项分别预测并叠加得到最终预测值。选取国内某制造业企业生产数据,对不同质量指标进行预测,并与LSTM模型和改进前的Informer模型的预测效果进行对比。结果表明:所提的VMD-Informer模型预测误差更小、可决系数较大,预测更为精准,可为制造业企业实现质量预测提供有效方法,并为企业及时调整生产方案提供思路。 展开更多
关键词 质量预测 深度学习 informer 变分模态分解(VMD)
在线阅读 下载PDF
融合Informer与FFT的每日天然气价格预测方法
13
作者 郑小强 袁燕如 +2 位作者 郭玉博 孙逸林 李梦悦 《天然气技术与经济》 2025年第4期39-45,共7页
为了解决液化天然气(LNG)日度价格因高波动性与复杂周期性导致预测精度不足的问题,构建了一种融合Informer架构与快速傅里叶变换(FFT)频率增强机制的短期动态预测方法。该方法利用Informer模型高效处理长序列依赖的优势,并引入FFT显式... 为了解决液化天然气(LNG)日度价格因高波动性与复杂周期性导致预测精度不足的问题,构建了一种融合Informer架构与快速傅里叶变换(FFT)频率增强机制的短期动态预测方法。该方法利用Informer模型高效处理长序列依赖的优势,并引入FFT显式提取价格序列中的频域特征作为辅助输入,以同步捕捉价格波动中的时域动态与周期模式。基于2011—2025年中国LNG出厂价格日度数据开展了实证研究,研究结果表明:①该方法在测试集与验证集上的平均绝对百分比误差(MAPE)分别为2.37%和2.65%,显著优于LSTM及标准Transformer等基线模型;②频域分析发现,LNG价格序列中存在一个约955天的强主导周期,证明了引入FFT特征对于捕捉非传统长周期规律的有效性,能显著增强模型的预测能力;③模型在包含未知数据的验证集上依然表现出良好的泛化能力与鲁棒性,预测曲线与真实走势高度吻合。结论认为,该融合预测框架能够精准、稳定地预测LNG每日价格,可以为相关市场主体的风险管理与决策提供有效的技术支持。 展开更多
关键词 LNG价格预测 时间序列建模 informer模型 频率增强 傅里叶变换 短期动态预测
在线阅读 下载PDF
基于ICEEMDAN-PE和IDBO-Informer组合模型的短期负荷预测 被引量：1
14
作者 于多 曹燚 +2 位作者 王海荣 赵翱东 曹倩 《中国电力》 北大核心 2025年第6期19-32,共14页
针对传统方法在处理复杂负荷数据时存在的噪声处理不足、特征提取能力有限及模型训练复杂等问题,提出了一种基于改进完全集合经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)-置... 针对传统方法在处理复杂负荷数据时存在的噪声处理不足、特征提取能力有限及模型训练复杂等问题,提出了一种基于改进完全集合经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)-置换熵(permutation entropy,PE)和改进蜣螂优化算法(improved dung beetle optimizer,IDBO)-Informer的创新组合预测模型。首先,该模型通过小波软阈值去噪算法预处理原始负荷数据,减少噪声干扰。其次,利用ICEEMDAN多尺度分解负荷数据,精准捕捉负荷特征,并采用置换熵评估分量复杂度。最后,对蜣螂优化算法进行改进,通过融合混沌与逆向学习策略进行种群初始化,引入自适应步长与凸透镜逆成像策略及随机差异变异策略,优化Informer预测模型参数,显著提升预测效率与准确性。实验结果表明,该模型在短期负荷预测中表现出色,平均绝对误差为81.3 MW(原始负荷数据范围约为500 MW至1 500 MW),均方根误差为109.2 MW,拟合系数评分为0.991,远优于传统方法,充分验证了模型的创新性和优越性。 展开更多
关键词 负荷预测 ICEEMDAN 改进蜣螂优化算法 informer
在线阅读 下载PDF
基于DC-CNN-PE-SSA-Informer的电缆缆芯温度预测研究 被引量：2
15
作者 鲍克勤 赵欣妍 +2 位作者 刘擘 王仕博 郝海斌 《昆明理工大学学报(自然科学版)》 北大核心 2025年第2期116-125,共10页
针对电缆缆芯温度不易直接测量,且预测精确度不足的问题,本文提出了DC-CNN-PE-SSA-Informer混合预测模型,该模型利用扩展因果卷积网络(DC-CNN)增强对时间序列数据局部特征的捕捉能力,并将提取的特征传递至Informer模块以捕获长期依赖关... 针对电缆缆芯温度不易直接测量,且预测精确度不足的问题,本文提出了DC-CNN-PE-SSA-Informer混合预测模型,该模型利用扩展因果卷积网络(DC-CNN)增强对时间序列数据局部特征的捕捉能力,并将提取的特征传递至Informer模块以捕获长期依赖关系,通过引入相对位置编码(PE)加强Informer模型对时间序列中相对位置信息的捕捉能力,最后由麻雀搜索算法(SSA)进行参数优化。通过对电缆温度场进行有限元分析,求解出不同条件下的缆芯温度作为仿真实验的样本数据。仿真结果表明,DC-CNN-PE-SSA-Informer模型相比常见的预测模型在电缆缆芯温度预测方面具有更高的预测精度,为电力调度的运行方式提供了依据。 展开更多
关键词 电力电缆 温度预测 扩展因果卷积网络(DC-CNN) informer 麻雀搜索算法(SSA) 位置编码(PE)
原文传递
基于EKF-HInformer模型估计汽车动力电池的SOC&SOH 被引量：1
16
作者 彭自然 杨肖阳 肖伸平 《电子测量与仪器学报》 北大核心 2025年第3期21-33,共13页
针对传统模型荷电状态(SOC)和健康状态(SOH)估计精度低、鲁棒性差的问题,提出一种基于扩展卡尔曼滤波(EKF)和深度学习模型Informer改进优化的估计模型EKF-HInformer,实现电动汽车动力电池SOC与SOH的实时精准估计。首先,运用EKF算法归一... 针对传统模型荷电状态(SOC)和健康状态(SOH)估计精度低、鲁棒性差的问题,提出一种基于扩展卡尔曼滤波(EKF)和深度学习模型Informer改进优化的估计模型EKF-HInformer,实现电动汽车动力电池SOC与SOH的实时精准估计。首先,运用EKF算法归一化整理电池实时数据,并通过调整自适应增益因子减少噪声波动,提高EKF数据滤波处理的性能。然后,运用Informer网络模型对归一化后的电池数据进行智能估计。为减少Informer模型离群点或异常值所导致的注意力权重偏差问题,采用Hampel算法对Informer进行优化,提高多头概率稀疏自注意力机制特征学习的能力。最后,把滤波整理后的数据输入到HInformer网络中估算实时的SOC和SOH。采用牛津大学与马里兰大学的电池数据集进行实验验证,结果显示SOC与SOH估计精度均超99.5%,均方根误差(RMSE)小于1%,最大绝对误差(MAXE)小于0.5%。相比传统Informer、Transformer和长短期记忆(LSTM)模型,该模型估计SOC和SOH的速度更快、准确度更高,展现出优越的鲁棒性和泛化能力。 展开更多
关键词 动力电池 荷电状态 健康状态 自适应增益因子 扩展卡尔曼滤波 Hampel优化算法 informer
原文传递
基于MIC-Informer-DLinear的电梯故障预测方法 被引量：1
17
作者 单景东 王晨 +1 位作者 张欢 仇润鹤 《科技与创新》 2025年第4期56-59,共4页
针对现有电梯故障预测方法存在特征冗余、预测精度难以提高等问题,提出一种基于MIC-Informer-DLinear的电梯故障预测方法。该方法首先利用最大互信息系数分析不同电梯运行数据特征与电梯故障之间的相关关系,确定相关性显著的电梯故障影... 针对现有电梯故障预测方法存在特征冗余、预测精度难以提高等问题,提出一种基于MIC-Informer-DLinear的电梯故障预测方法。该方法首先利用最大互信息系数分析不同电梯运行数据特征与电梯故障之间的相关关系,确定相关性显著的电梯故障影响因素,之后采用Informer模型对相关性提取后的电梯运行数据进行特征提取;其次采用DLinear模型对特征提取后的数据进行特征重构;最后采用softmax分类器对特征重构后的数据进行故障分类预测。为证明模型的有效性,将该模型的预测准确率与DLinear、Informer、CBAM、STAEformer、Transformer和LSTM模型的预测准确率进行对比。实验表明,该模型的预测准确率较上述模型分别提高2.6%、3.6%、4.2%、4.5%、5.5%和8.9%。 展开更多
关键词 故障预测 informer DLinear 时序预测
在线阅读 下载PDF
融合滑动窗口和Informer网络的渔船轨迹预测方法 被引量：1
18
作者 郭洋 李想 李响凝 《计算机技术与发展》 2025年第1期148-153,共6页
为了实现渔船作业行驶轨迹的精准预测,进而完成对驶入禁锚区的渔船进行警告的需求,该文提出基于融合滑动窗口和Informer网络的渔船轨迹预测方法(SIFP)。首先,对AIS数据进行预处理,通过在窗口内计算均值或中值等统计量,从而降低噪声的影... 为了实现渔船作业行驶轨迹的精准预测,进而完成对驶入禁锚区的渔船进行警告的需求,该文提出基于融合滑动窗口和Informer网络的渔船轨迹预测方法(SIFP)。首先,对AIS数据进行预处理,通过在窗口内计算均值或中值等统计量,从而降低噪声的影响,获得更稳定和准确的轨迹信息;其次,采用滑动窗口扩充预测模型的数据量,满足预测模型对数据量的需求;最后,基于Informer模型完成渔船轨迹的精准预测,为禁锚预警提供数据支持。实验结果表明,SIFP模型的MAE、MAPE较Transformer网络模型分别提高了0.02%和0.08%,较LSTM网络模型分别提高了0.04%和0.18%,较BP网络模型分别提高了1.47%和2.14%,证明了SIFP模型在轨迹预测问题上的有效性。 展开更多
关键词 海底电缆保护 渔船轨迹预测 深度学习 informer网络 滑动窗口 AIS数据
在线阅读 下载PDF
基于图神经网络与Informer融合的主动配电网状态估计
19
作者 郝蛟 王冬 +1 位作者 邱剑 郭创新 《电力自动化设备》 北大核心 2025年第8期12-19,共8页
含分布式光伏的主动配电网具有较高的新能源渗透率和动态负荷特征,传统状态估计方法在应对复杂动态行为和数据质量问题时存在局限,影响配电网调度优化与安全性。提出一种基于图神经网络(GNN)与Informer模型融合的含光伏主动配电网状态... 含分布式光伏的主动配电网具有较高的新能源渗透率和动态负荷特征,传统状态估计方法在应对复杂动态行为和数据质量问题时存在局限,影响配电网调度优化与安全性。提出一种基于图神经网络(GNN)与Informer模型融合的含光伏主动配电网状态估计方法。借助GNN构建量测模型,有效捕捉配电网拓扑结构的空间依赖特性;利用Informer的长时间序列预测能力,构建状态预测模型,精准地刻画配电网的动态物理特性。所提模型不仅能够处理量测数据中的缺失和噪声问题,而且能够增强状态估计的鲁棒性和物理一致性。基于IEEE 33节点系统及某实际配电网的仿真结果表明,所提方法在状态估计的准确性、抗干扰能力、物理一致性和计算效率方面均有显著提升。 展开更多
关键词 主动配电网 分布式光伏 状态估计 分布式新能源 图神经网络 informer
在线阅读 下载PDF
线性分解和周期增强Informer的太阳辐射短临预报研究 被引量：1
20
作者 姚蕊 刘小芳 《太阳能学报》 北大核心 2025年第2期505-510,共6页
针对辐射周期趋势及外部影响特征捕获不足的问题,提出一种线性分解和周期增强Informer的地表太阳辐射短临预报方法。首先,改进灰色关联度方法,获取历史辐射与多种外部气象因素关联度,提取16种高相关外部气象特征建立高关联特征集,强化... 针对辐射周期趋势及外部影响特征捕获不足的问题,提出一种线性分解和周期增强Informer的地表太阳辐射短临预报方法。首先,改进灰色关联度方法,获取历史辐射与多种外部气象因素关联度,提取16种高相关外部气象特征建立高关联特征集,强化捕捉辐射与气象因素之间的复杂关系的能力;其次,在基于Transformer解决方案的基础上引入周期性嵌入层和ReLU激活函数,为模型提供更准确、合理的周期时间特征和辐射变化区间。最后,在Informer后增加平滑序列分解线性层,将Autoformer中的分解方案和FEDformer中的线性层相结合,进一步增强捕捉时序数据中周期性和季节性成分的能力。实验结果表明:该IDL方法结合外部气象特征能极好地提高模型短临预报效果,精度高于近年来基于Transformer系列的解决方案;比DLinear均方误差最高减少30.6%。 展开更多
关键词 太阳辐射 informer TRANSFORMER 平滑序列线性分解 周期嵌入 灰色关联度
原文传递
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