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1,002,726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iTransformer模型的海表盐度短期预测研究
1
作者 何佳辉 刘振民 +4 位作者 苗庆生 林军 杨扬 董明媚 岳心阳 《海洋与湖沼》 北大核心 2026年第1期33-42,共10页
海表盐度(sea surface salinity,SSS)短期精准预测对海洋灾害预警至关重要,但面临短期动态波动和长期依赖关系协同捕捉困难、温盐间动态相关性表征能力不足和抗噪声干扰能力弱等问题。为此,提出了一种新型LSTM+Diff iTransformer的融合... 海表盐度(sea surface salinity,SSS)短期精准预测对海洋灾害预警至关重要,但面临短期动态波动和长期依赖关系协同捕捉困难、温盐间动态相关性表征能力不足和抗噪声干扰能力弱等问题。为此,提出了一种新型LSTM+Diff iTransformer的融合模型,该模型将差分注意力机制引入改进的Transformer(inverted Transformer,iTransformer)构架用于海洋参数预测,从而抑制噪声并显著提升对突变信号的捕捉能力;结合长短期记忆网络(long short-term memory,LSTM)的局部特征提取优势与iTransformer模型的跨变量耦合能力,实现多尺度动态协同建模。基于国家海洋大数据平台的温盐观测数据开展实验验证,结果表明:在4 h输入时长下,模型预测结果的均方根误差(root-mean-square error,RMSE)与平均绝对误差(mean absolute error,MAE)分别达到0.0618和0.0170。与原始iTransformer模型相比,MAE降低9.1%;相较传统机器学习方法(GBDT、XGBoost),MAE分别降低69.2%与37.0%;相较主流深度学习方法(CNN、LSTM、Transformer),MAE分别降低32.3%、32.8%与40.6%。上述结果充分证明了本文模型在预测精度方面显著优于其他模型(原始模型、传统机器学习方法及主流深度学习模型)。此外,在1~16 h预测窗口内,模型表现出较高的稳定性,误差增长速率显著低于其他模型;在多类型海域的空间泛化实验中,整体展现出良好的跨区域泛化能力,但在受多源扰动导致海表温盐波动大的近岸区仍存在一定局限性。总体而言,本文模型在时间尺度和空间尺度上均具有较强的稳健性,可为海洋灾害业务化预警及海洋动力过程研究提供有效技术支撑。 展开更多
关键词 LSTM神经网络 差分注意力机制 itransformer模型 海表盐度 时序预测
在线阅读 下载PDF
基于iTransformer模型的工业机器人关节迟滞建模研究
2
作者 党选举 沈远桂 《组合机床与自动化加工技术》 北大核心 2025年第4期177-182,共6页
针对工业机器人的柔性关节表现的复杂迟滞特性问题,提出了一种基于改进的iTransformer(inverted transformer)模型的非线性迟滞建模方法,用于描述柔性关节的输出力矩与扭转角之间的复杂迟滞特性。采用具有输入反转嵌入层的iTransformer... 针对工业机器人的柔性关节表现的复杂迟滞特性问题,提出了一种基于改进的iTransformer(inverted transformer)模型的非线性迟滞建模方法,用于描述柔性关节的输出力矩与扭转角之间的复杂迟滞特性。采用具有输入反转嵌入层的iTransformer模型,体现时间前后信号关联性,其自注意力机制,描述了迟滞的记忆特性。为了提高迟滞模型的精度,从结构及输入前端信息两个方面对iTransformer模型进行改进:在结构上,将LSTM网络与iTransformer模型并联,以增强迟滞模型的动态特性;在输入端,设计了一个自相关模块。将输入扭转角向量进行哈达玛积运算,构成新输入向量,并与所设计类迟滞算子结合,设计一个iTransformer模型前端的自相关模块,充分体现了输入信号的关联性。与iTransformer、LSTM及PI迟滞模型相比较,实验结果表明,所提出迟滞模型,对工业机器人的复杂迟滞特性的描述,具有更高的精度和泛化能力。 展开更多
关键词 柔性关节 复杂迟滞特性 itransformer模型 类迟滞算子 自相关模块
在线阅读 下载PDF
基于iWOA-iTransformer模型的物料需求预测 被引量：1
3
作者 胡昊 张剑飞 《高师理科学刊》 2025年第4期27-33,40,共8页
传统预测方法往往无法处理复杂、非线性的预测任务,针对这一问题,建立了iWOA-iTransformer模型。通过改进的鲸鱼优化算法优化Transformer改进模型的超参数,建立适用于多变量的非线性预测模型——iWOA-iTransformer模型。使用阿里云基础... 传统预测方法往往无法处理复杂、非线性的预测任务,针对这一问题,建立了iWOA-iTransformer模型。通过改进的鲸鱼优化算法优化Transformer改进模型的超参数,建立适用于多变量的非线性预测模型——iWOA-iTransformer模型。使用阿里云基础设施供应链库存管理决策数据集对模型进行了实验验证,结果表明,iWOA-iTransformer模型在物料需求预测上具有较高的准确性。 展开更多
关键词 物料需求预测 iWOA算法 itransformer模型
在线阅读 下载PDF
基于TCN-ITransformer模型的城轨交通短时客流预测
4
作者 曹阳 孟凡兴 温秀梅 《河北建筑工程学院学报》 2025年第4期165-174,共10页
随着我国经济的发展,城市轨道交通已经成为公共交通的重要部分。对城市轨道交通的短时客流进行预测,有助于提高轨道交通的服务质量。由于地铁客流分布具有随机性,传统模型往往难以捕获其时间特征。因此提出了一种组合模型,将时序卷积网... 随着我国经济的发展,城市轨道交通已经成为公共交通的重要部分。对城市轨道交通的短时客流进行预测,有助于提高轨道交通的服务质量。由于地铁客流分布具有随机性,传统模型往往难以捕获其时间特征。因此提出了一种组合模型,将时序卷积网络(TCN)与ITransformer模型进行串联,以自注意力机制为核心,构建了TCN-ITransformer模型。为验证模型有效性,以上海地铁9号线的进站客流为研究对象,使用K-means聚类算法对21个站点进行聚类,并对聚类后的站点分别进行客流预测。选取LSTM、Informer和ITransformer作为基线模型进行对比验证。实验结果表明,对于时间周期性较强的进站客流数据,模型的均方误差和平均绝对误差优于基线模型。 展开更多
关键词 城市轨道交通 客流预测 自注意力机制 K-MEANS聚类算法 TCN-itransformer模型
在线阅读 下载PDF
基于iTransformer模型的金融时间序列预测 被引量：2
5
作者 王钰涵 梁志勇 《产业创新研究》 2024年第15期122-124,共3页
金融时间序列的准确预测是经济政策制定者和投资者密切关注的焦点。本文选用工商银行作为金融时间序列的代表,用一种新颖的神经网络模型iTransformer对工商银行的股票价格进行预测。同时,将统计模型ARIMA、神经网络模型LSTM和Transforme... 金融时间序列的准确预测是经济政策制定者和投资者密切关注的焦点。本文选用工商银行作为金融时间序列的代表,用一种新颖的神经网络模型iTransformer对工商银行的股票价格进行预测。同时,将统计模型ARIMA、神经网络模型LSTM和Transformer作为对照组,比较了不同模型在不同时间范围内预测的准确性。实证结果显示,iTransformer确实适用于股票价格的预测,在短期、中期和长期这三种不同的预测区间内,其精度普遍优于对照组的预测模型。 展开更多
关键词 金融时间序列预测 itransformer LSTM TRANSFORMER ARIMA
在线阅读 下载PDF
基于TCN-ITransformer-KAN模型的短时交通流量预测方法研究
6
作者 曾桐 曹瑾鑫 许振山 《内蒙古大学学报(自然科学版)》 2026年第1期80-93,共14页
随着城市化进程加速与机动车保有量持续攀升,交通拥堵、安全隐患及环境污染等问题日益凸显,短时交通流量的精准预测已成为优化交通资源配置和提升路网运行效率的关键需求。本文以法国克雷泰伊(Europarc Creteil)环岛环形交叉口公开数据... 随着城市化进程加速与机动车保有量持续攀升,交通拥堵、安全隐患及环境污染等问题日益凸显,短时交通流量的精准预测已成为优化交通资源配置和提升路网运行效率的关键需求。本文以法国克雷泰伊(Europarc Creteil)环岛环形交叉口公开数据集为研究对象,提出一种融合时序卷积网络(TCN)、改进型Transforme(r ITransformer)与知识增强网络(KAN)的混合预测模型(TCN-ITransformer-KAN)。为提升多模态时间序列预测的准确性与泛化能力,该模型通过TCN完成时间序列高效处理,利用ITransformer提供全局依赖建模能力,并基于KAN嵌入领域知识增强表示,实现多模态特征融合与领域知识驱动的协同优化。实验结果表明,相较于CNN、LSTM及其变体组合模型,TCN-ITransformer-KAN在预测精度上显著提升,其决定系数较CNN-Transformer、LSTM和TCN-Transformer模型分别提高3.99%、7.47%和53.54%。模型预测曲线与真实交通流量呈现高度吻合,验证了其在实际场景中的有效性与泛化能力。本研究为城市交通流量短时预测提供了一种基于时空特征解耦与知识注入的新范式,可为智能交通系统的实时决策提供理论支撑。 展开更多
关键词 智能交通系统 短时交通流量预测 机器学习 TCN-itransformer-KAN算法
原文传递
增强的超短期风电功率预测:一种PatchTST-POA-VMD-iTransformer混合模型 被引量：1
7
作者 刘新宇 潘宇 +2 位作者 王亚辉 李继方 杨文静 《电力系统保护与控制》 北大核心 2025年第19期68-78,共11页
由于风力发电对天气变化的敏感度高,风电场输出功率随时间变化的波动大,传统预测模型难以对风电场输出功率进行准确预测,也难以对风电预测误差进行有效修正。针对上述问题,提出了一种PatchTST-POA-VMD-iTransformer混合预测模型。首先,... 由于风力发电对天气变化的敏感度高,风电场输出功率随时间变化的波动大,传统预测模型难以对风电场输出功率进行准确预测,也难以对风电预测误差进行有效修正。针对上述问题,提出了一种PatchTST-POA-VMD-iTransformer混合预测模型。首先,基于斯皮尔曼相关系数法进行天气特征与风电功率相关性量化分析,完成数据筛选和预处理。然后,引入PatchTST对风电场输出功率进行初步预测,得到初步预测的功率结果。随后,采用鹈鹕优化算法(pelican optimization algorithm,POA)优化的变模态分解(variational mode decomposition,VMD)对风电预测误差序列进行分解,再使用iTransformer对分解后的误差序列进行预测。最后,将已获得的初步功率预测结果与误差序列预测结果相结合,得到最终的风电功率预测结果。消融实验和对比实验结果表明,所提模型具有较小的预测误差和较优的泛化能力,能够有效提升超短期风电功率预测的精度和可靠性。 展开更多
关键词 风电功率预测 PatchTST 鹈鹕优化算法 变模态分解 itransformer
在线阅读 下载PDF
基于FFCM-MHDA-iTransformer的汽轮发电机定子铁芯温度预测模型
8
作者 侯一凡 袁和金 孙帆 《热力发电》 北大核心 2025年第12期67-75,共9页
发电机定子铁芯温度异常可能导致绝缘材料老化、绕组短路等严重问题,进而影响发电机的整体性能和寿命。提出一种基于FFCM-MHDA-iTransformer的汽轮发电机定子铁芯温度预测模型,充分利用改进的Transformer架构,即倒置Transformer(iTransf... 发电机定子铁芯温度异常可能导致绝缘材料老化、绕组短路等严重问题,进而影响发电机的整体性能和寿命。提出一种基于FFCM-MHDA-iTransformer的汽轮发电机定子铁芯温度预测模型,充分利用改进的Transformer架构,即倒置Transformer(iTransformer)模型,使用倒置的时间序列编码方式,解决Transformer在处理多元变量相关性方面的局限;采用融合傅里叶卷积混合器(fused Fourier convolution mixer,FFCM)实现对时序数据的局部特征提取和增强;使用多头差分注意力机制(multi-head differential attention,MHDA)替换传统自注意力,有效消除注意力噪声,促使模型关注关键信息。经过训练和验证,与其他主流预测模型相比,该模型具有更高的预测精度,有助于及时发现潜在故障,避免停机检修,对保障汽轮发电机稳定运行具有重要应用价值,有效地提升了温度预测技术的准确性与实用性。 展开更多
关键词 汽轮发电机 定子铁芯温度预测 itransformer模型 融合傅里叶卷积混合器 多头差分注意力机制
在线阅读 下载PDF
基于VMD-Itransformer-MOSSA模型的短期风电功率预测方法
9
作者 张伟 高鹭 +1 位作者 秦岭 李伟 《计算机工程与设计》 北大核心 2025年第9期2690-2698,共9页
为解决天气预报存在较小的误差,使风电功率预测产生巨大误差的问题,提出一种结合VMD算法和MOSSA优化的Transformer模型用于短期风力预测。应用变分模态分解处理天气预报风速和实测风速间的误差,将分解结果结合天气预报信息中的其它部分... 为解决天气预报存在较小的误差,使风电功率预测产生巨大误差的问题,提出一种结合VMD算法和MOSSA优化的Transformer模型用于短期风力预测。应用变分模态分解处理天气预报风速和实测风速间的误差,将分解结果结合天气预报信息中的其它部分特征作为改进的Transformer模型输入。通过改进麻雀搜索算法(SSA)优化修正模型的关键参数,提高预测准确性。将预测的风速误差与天气预报风速相加即得到修正后的天气预报风速并计算风功率。仿真结果表明,该模型方法在准确性上优于基准模型,验证了所提出的改进组合模型有效性。 展开更多
关键词 风速修正 变分模态分解 改进的变压器 麻雀搜索算法 短期风电功率 数据预处理 天气预报信息
在线阅读 下载PDF
基于iTransformer与LSTM模型融合的农场气温多步预测
10
作者 谢琪 张太红 刘海朋 《湖北农业科学》 2025年第5期134-140,共7页
针对农场气温数据的非线性和复杂性特征,以新疆维吾尔自治区昌吉市华兴农场气象站数据为基础,通过斯皮尔曼相关性分析筛选出气温、地面红外温度、露点温度、相对湿度、水汽压、本站气压、海平面气压7个特征作为模型输入特征,并对iTransf... 针对农场气温数据的非线性和复杂性特征,以新疆维吾尔自治区昌吉市华兴农场气象站数据为基础,通过斯皮尔曼相关性分析筛选出气温、地面红外温度、露点温度、相对湿度、水汽压、本站气压、海平面气压7个特征作为模型输入特征,并对iTransformer-LSTM模型、Transformer模型、LSTM模型、iTransformer模型、Transformer-LSTM模型进行对比分析。结果表明,iTransformer-LSTM模型的表现最好,相较于最优的基准模型iTransformer,该模型的均方根误差(RMSE)下降了13.72%,平均绝对误差(MAE)下降了14.12%,平均绝对百分比误差(MAPE)下降了13.61%。iTransformer-LSTM模型能够有效提取时间序列特征表达、捕捉长期依赖关系、表征全局特征及上下文信息,适用于多特征多步时间序列气温预测任务。 展开更多
关键词 itransformer LSTM 模型融合 多特征 农场气温 多步预测
在线阅读 下载PDF
基于分数阶优化的iTransformer的心脑电时序预测模型研究
11
作者 陈洁洁 张鑫瑞 周学文 《湖北师范大学学报(自然科学版)》 2025年第1期18-26,共9页
心脑电信号的准确预测对于临床医学诊断至关重要,iTransformer因其在长序列时间序列预测(Long Sequence Time-series Forecasting,LSTF)中的优异表现而备受关注。然而,现有的模型在处理长序列数据时存在梯度爆炸的问题。为了解决这一问... 心脑电信号的准确预测对于临床医学诊断至关重要,iTransformer因其在长序列时间序列预测(Long Sequence Time-series Forecasting,LSTF)中的优异表现而备受关注。然而,现有的模型在处理长序列数据时存在梯度爆炸的问题。为了解决这一问题,提出了一种基于分数阶自适应矩估计优化器方差概率注意力机制的iTransformer模型(Adaptive Moment Estimation Variance ProbAttention iTransformer,FAdamVP-iTransformer),该模型引入了通过方差改进的概率注意力机制(Variance ProbAttention,VProbAttention),以更有效地提取活跃信号;此外,该模型还利用分数阶记忆特性来优化梯度,从而实现更精准的预测。在心脑电数据集上FAdamVP-iTransformer模型的均方误差(Mean Squared Error,MSE)和平均绝对误差(Mean Absolute Error,MAE)分别能够达到1.02和0.64,相较于传统的长序列预测方法模型iTransformer,分别降低了21%和28.6%.综上所述,本文提出的FAdamVP-iTransformer在心脑电信号时序预测方面具有显著的优势。 展开更多
关键词 心脑电信号 itransformer 时间序列预测 注意力机制 分数阶
在线阅读 下载PDF
基于iTransformer-FECAM模型的风机数据预测
12
作者 冯帆 刘知临 +1 位作者 邸智 郑子辰 《网络新媒体技术》 2025年第6期46-58,82,共14页
风电功率预测对电网稳定和可再生能源整合至关重要,但其固有的变动性使得准确预测面临严峻挑战。风电功率预测的挑战源于风机运行数据的多变量耦合与非线性特性。传统方法难以同时捕捉时空相关性及设备状态动态变化,本文提出的iTransfor... 风电功率预测对电网稳定和可再生能源整合至关重要,但其固有的变动性使得准确预测面临严峻挑战。风电功率预测的挑战源于风机运行数据的多变量耦合与非线性特性。传统方法难以同时捕捉时空相关性及设备状态动态变化,本文提出的iTransformer与FECAM融合模型,通过自适应通道建模与特征选择机制,将预测对象从功率输出扩展至风机运行数据,支撑面向风机运行数据多变量短期预测。该模型在iTransformer框架中引入FECAM,结合自适应通道建模与特征选择机制,显著增强模型对关键变量的关注与表达能力。在自建的多源多风机运行数据集上进行实验,并与多种主流预测模型进行系统对比。实验结果表明,本文提出的模型在多个多源风机运行数据集上均表现优异,MAE、MSE指标分别平均提升3.51%和3.18%,充分验证该方法在风机运行数据短期预测任务中的有效性和稳定性。 展开更多
关键词 风机运行数据预测 风电功率预测 多变量时间序列 TRANSFORMER itransformer 频率增强通道注意力 注意力机制 多变量耦合
在线阅读 下载PDF
基于iTransformer的高速公路通行费精准预测模型
13
作者 王恒昆 谷金 +1 位作者 宋之凡 王江锋 《山东科学》 2025年第1期120-128,共9页
高速公路通行费受到节假日、突发事件等复杂因素影响,传统预测方法在处理这些问题时,往往无法充分考虑多维因素之间的复杂交互作用,导致预测精度难以达到理想水平。大型语言模型利用自注意力机制能够实现对复杂时空数据的拟合,并具有更... 高速公路通行费受到节假日、突发事件等复杂因素影响,传统预测方法在处理这些问题时,往往无法充分考虑多维因素之间的复杂交互作用,导致预测精度难以达到理想水平。大型语言模型利用自注意力机制能够实现对复杂时空数据的拟合,并具有更强的特征学习能力,可有效解决高速公路通行费的精准预测问题。利用此特性提出了一种基于iTransformer的高速公路通行费精准预测模型,该预测模型将时间信息作为独立维度嵌入输入序列中,并倒置了自注意力机制与前馈网络的职责,使得预测模型能够更准确地捕捉时间序列的动态特征和多变量之间的相关性。实例分析结果显示,所提出的预测模型在普通场景下较SARIMA模型和LSTM模型平均预测精度分别提高23.47%和17.84%。特殊场景下具有更优预测效果,分别提升70.92%和45.64%。针对所提出预测模型进行敏感性分析,模型对前馈网络层数和编码器堆叠层数较为敏感,对注意力头数变化不敏感。该研究为解决复杂交通环境下的通行费预测问题提供了新的方法论支持,对提高高速公路通行费预测精度具有重要意义。 展开更多
关键词 大语言模型 预测模型 自注意力机制 通行费
在线阅读 下载PDF
基于WTT-iTransformer时序预测的容器群伸缩策略研究
14
作者 陈奇超 叶楠 曹炳尧 《电子测量技术》 北大核心 2025年第12期88-98,共11页
Kubernetes默认的HPA策略因其特有的响应性机制而存在扩缩容滞后的局限。为了提高资源的响应性能和资源利用率,本文引入了基于时序资源负载预测的弹性伸缩策略,预测部分创新得提出了WTT-iTransformer模型对集群资源进行预测。已知iTrans... Kubernetes默认的HPA策略因其特有的响应性机制而存在扩缩容滞后的局限。为了提高资源的响应性能和资源利用率,本文引入了基于时序资源负载预测的弹性伸缩策略,预测部分创新得提出了WTT-iTransformer模型对集群资源进行预测。已知iTransformer不仅在长期序列预测表现优异,还可通过变量序列作为token嵌入获取了多变量间的关联性。本文通过增加了小波变换卷积层WTConv2d和多尺度时间卷积网络的WTT-iTransformer模型可以更精确地从时、频域两方面提取资源时间序列的长期特征与依赖关系,更符合容器使用特征的预测。基于该模型的负载变化预测,能够实现高、低流量发生的初期进行快速扩缩容,以解决反应滞后和资源利用率低的问题。实验结果表明,WTT-iTransformer在训练过程中表现出更好的稳定性和更低的训练误差,能够较为准确地预测集群负载的变化趋势,改进的弹性伸缩策略与Kubernetes传统的HPA相比更加智能、稳定,在负载特征明显、突发性负载较多的场景展现出显著提升,具有广泛的应用潜力。 展开更多
关键词 Kubernetes 时序预测模型WTT-itransformer 负载预测 混合弹性伸缩策略 小波变换卷积 时间卷积网络 itransformer模型
原文传递
基于时变滤波经验模态分解-重构和独立自注意力机制的iTransformer超短期负荷预测方法 被引量：4
15
作者 范士雄 李东琦 +3 位作者 郭剑波 王铁柱 马士聪 赵泽宁 《电网技术》 北大核心 2025年第6期2436-2445,I0077,I0078,共12页
准确的负荷预测对电力系统安全稳定运行至关重要。为了进一步提高负荷预测的精准度,将数据处理和模型改进的方法相融合,提出了一种基于时变滤波经验模态分解(time-varying filter empirical mode decomposition,TVF-EMD)-重构和独立自... 准确的负荷预测对电力系统安全稳定运行至关重要。为了进一步提高负荷预测的精准度,将数据处理和模型改进的方法相融合,提出了一种基于时变滤波经验模态分解(time-varying filter empirical mode decomposition,TVF-EMD)-重构和独立自注意力(stand-alone self-attention,SASA)机制的iTransformer超短期负荷预测方法。首先,针对超短期负荷数据的非平稳和非线性特性,采用TVF-EMD对负荷数据进行分解,得到若干本征模态函数(intrinsic mode function,IMF),通过样本熵(sample entropy,SE)按熵值的大小将IMF分量进行重组;其次,对iTransformer神经网络进行改进,引入一种独立自注意力机制替换iTransformer编码器中的自注意力机制,有效提升了模型捕捉不同变量的依赖关系的能力;最后,将重组后的分量输入到基于独立自注意力机制的iTransformer中进行预测,将得到的结果进行叠加得到最终的预测值。以我国某地区220k V变电站高压侧的实际有功负荷数据集为例进行验证并与现有主流模型进行对比,结果表明该文采用的预测方法具有更好的预测性能。 展开更多
关键词 超短期负荷预测 时变滤波经验模态分解 样本熵 itransformer模型 注意力机制
原文传递
基于FFT-iTransformer的网络安全态势特征插补与预测 被引量：1
16
作者 张新有 高志超 +1 位作者 冯力 邢焕来 《信息网络安全》 北大核心 2025年第2期228-239,共12页
为解决当前网络安全态势预测精度低、指标采集缺失等问题,文章提出一种基于快速傅里叶变换改进的iTransformer模型(FFT-iTransformer)。该模型利用iTransformer架构对时间序列数据进行维度反转嵌入。通过快速傅里叶变换将一维时间序列... 为解决当前网络安全态势预测精度低、指标采集缺失等问题,文章提出一种基于快速傅里叶变换改进的iTransformer模型(FFT-iTransformer)。该模型利用iTransformer架构对时间序列数据进行维度反转嵌入。通过快速傅里叶变换将一维时间序列扩展为二维空间,将周期内的近邻特征和周期间的远邻特征分别映射到二维张量的行与列。首先,模型将周期内特征输入编码器,通过注意力机制学习周期内的局部特征,从而有效捕捉网络安全指标间的动态关联性(如信息安全漏洞数量与感染主机数量间的关联)。然后,将编码器输出的周期内张量融合为二维,传入卷积模块进一步提取二维特征,以捕捉周期间的全局特征。最后,根据振幅所反映的周期相对重要性进行自适应聚合。实验结果表明,该模型预测拟合度可达0.995378,在10%的缺失率下,插补拟合度可达0.879,优于大多数现有模型,可准确插补网络安全态势指标的缺失值,并预测态势值。 展开更多
关键词 网络安全 态势预测 插补 快速傅里叶变换 itransformer
在线阅读 下载PDF
基于改进iTransformer的多维特征河流水质预测方法研究 被引量：1
17
作者 樊力震 董建刚 李俊俊 《现代电子技术》 北大核心 2025年第8期179-186,共8页
水质预测是水资源生态管理的重要组成部分。水质数据易受环境影响,随着时间、随机事件、自然条件变化等因素呈现出非平稳性和非线性的特性,使得水质时序依赖较为复杂,其规律难以捕捉。为更准确地提取水质时序规律,并使其具备一定的泛化... 水质预测是水资源生态管理的重要组成部分。水质数据易受环境影响,随着时间、随机事件、自然条件变化等因素呈现出非平稳性和非线性的特性,使得水质时序依赖较为复杂,其规律难以捕捉。为更准确地提取水质时序规律,并使其具备一定的泛化性,提出一种基于改进iTransformer的多维特征水质预测模型——GF-iTransformer。针对水质数据中的复杂噪声问题,引入一维高斯-拉普拉斯滤波器对水质时序数据进行降噪。为更好地挖掘水质数据中隐含的频域信息,加入频率增强通道注意力机制,利用基于离散余弦变换(DCT)的频率信息提取方法,从本质上避免了基于傅里叶变换(FT)造成的吉布斯现象,并相对减少了计算量,得到了更好的预测性能。在3个不同的公共数据集(ETTh1、ETTh2、ETTm2)和两个河流数据集(yihe、luohe)上进行验证,结果表明,相较于TimesNet、ETSformer、DLinear等6个现有主流时序预测模型,文中所提GF-iTransformer模型都展现出了较好的预测精度,证明了该模型的有效性。 展开更多
关键词 水质预测 多维特征 itransformer模型 高斯-拉普拉斯滤波器 注意力机制 离散余弦变换
在线阅读 下载PDF
基于VMD-FFCM特征增强的iTransformer短期风速预测 被引量：1
18
作者 王东风 马金杰 +2 位作者 胡怡然 杨小龙 黄宇 《电力科学与工程》 2025年第8期39-47,共9页
针对风速特征难以有效捕捉和单一模型预测精度不高而导致的风速预测效果较差的问题,提出一种基于变分模态分解(Variational mode decomposition,VMD)和融合傅里叶卷积混合器(Fused Fourier convolution mixer,FFCM)特征增强机制的iTrans... 针对风速特征难以有效捕捉和单一模型预测精度不高而导致的风速预测效果较差的问题,提出一种基于变分模态分解(Variational mode decomposition,VMD)和融合傅里叶卷积混合器(Fused Fourier convolution mixer,FFCM)特征增强机制的iTransformer短期风速预测方法。首先,采用VMD对风速数据在频域进行分解,得到多个不同中心频率的模态分量;然后,使用FFCM对分解后的各模态进行特征提取,从而在空间域和频域中捕捉风速的复杂特征;最后,利用iTransformer模型,进一步挖掘这些特征之间的时序联系,从时间序列中有效捕获风速数据的长期依赖关系。以北方某电场风电机组实测数据进行验证。相较于Informer等方法,所提方法的均方根误差至少降低22.7%,平均绝对误差至少降低16.6%。这表明该方法具有更高的预测精度。 展开更多
关键词 短期风速预测 itransformer 融合傅里叶卷积混合器 变分模态分解 特征增强
在线阅读 下载PDF
基于iTransformer网络的富蕴县、福海县天然草原植被盖度反演方法研究
19
作者 田晶晶 吴音 +3 位作者 卢宇航 刘聪 李英杰 尼露帕尔·阿迪力 《新疆农业大学学报》 2025年第3期212-221,共10页
为提升北疆富蕴县、福海县天然草原植被盖度的反演精度,本研究提出并评估了一种基于iTransformer网络的新反演方法。使用2024年7月至9月高分一号遥感影像和实测植被数据,对比研究深度学习iTransformer模型、机器学习随机森林模型、多项... 为提升北疆富蕴县、福海县天然草原植被盖度的反演精度,本研究提出并评估了一种基于iTransformer网络的新反演方法。使用2024年7月至9月高分一号遥感影像和实测植被数据,对比研究深度学习iTransformer模型、机器学习随机森林模型、多项式回归模型在草原植被盖度反演上的表现,并结合数字高程模型(DEM)数据分析地形特征对反演模型精度的影响。结果表明,iTransformer模型在精度和泛化性上显著优于随机森林模型和多项式回归模型;补充差异地形样本可大幅提升iTransformer泛化能力,使平均绝对误差(MAE)和均方根误差(RMSE)分别下降12.2%和13.1%;融入DEM特征可进一步提升iTransformer模型精度2%~9%。本研究通过此方法构建了性能良好的草原植被盖度反演模型,富蕴县、福海县决定系数(R^(2))均为0.83,误差评价指标MAE、RMSE分别为7.28%、9.74%与6.89%、8.87%,并基于此完成了研究区草原植被盖度分布预测。 展开更多
关键词 天然草原 植被盖度 itransformer模型 GF-1影像 数字高程模型
在线阅读 下载PDF
基于iTransformer的短期光伏发电功率预测研究
20
作者 王文 朱文忠 +2 位作者 吴宇浩 成荣 袁倩文 《陕西理工大学学报(自然科学版)》 2025年第4期42-49,97,共9页
针对现有模型在光伏发电功率短期多步预测中精度较低的问题,提出了一种基于时间卷积网络TCN与iTransformer模型融合的iTCNTransformer模型。iTCNTransformer模型构造了时间特征提取模块与全局特征感知模块,解决了iTransformer模型对时... 针对现有模型在光伏发电功率短期多步预测中精度较低的问题,提出了一种基于时间卷积网络TCN与iTransformer模型融合的iTCNTransformer模型。iTCNTransformer模型构造了时间特征提取模块与全局特征感知模块,解决了iTransformer模型对时间特征和全局特征提取不足的问题。首先通过时间提取模块提取不同尺度的时间特征,再将提取的特征通过注意力机制进行变量相关性特征提取,建立变量之间的联系;然后再通过全局特征感知模块提取各个变量的全局特征,进一步提高特征的表达能力;最后通过投影层对预测结果进行输出。实验结果表明,该模型与其他模型相比始终保持最低的平均绝对误差和均方误差,并且与当前先进的模型iTransformer相比在短期多步预测上MAE平均下降20.11%,MSE平均下降了12%,与LSTM模型相比,在短期多步预测上MAE平均下降43.92%,MSE平均下降了40.93%。 展开更多
关键词 itransformer模型 时间卷积网络 光伏发电功率预测 短期多步预测
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