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10,210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TCN-Informer的长短期多变量时间序列预测
3
作者 李德权 江涛 《科学技术与工程》 北大核心 2026年第4期1549-1557,共9页
为了解决时间序列预测长期和短期依赖关系的难题,同时捕捉长期趋势和短期动态,并对多变量时间序列中变量间复杂的相互依赖关系进行建模,提出了一种基于时间卷积网络(temporal convolutional network,TCN)的预测方法。首先,采用TCN来有... 为了解决时间序列预测长期和短期依赖关系的难题,同时捕捉长期趋势和短期动态,并对多变量时间序列中变量间复杂的相互依赖关系进行建模,提出了一种基于时间卷积网络(temporal convolutional network,TCN)的预测方法。首先,采用TCN来有效捕捉序列变量在时间尺度上的特征,同时将压缩-激励模块(squeeze-and-excitation block,SE_Block)应用于TCN的输出。该模块通过增强多变量的表示,有效解决短期依赖性问题,并提高模型捕捉关键短期信息的能力。其次,引入Informer模型来增强长期序列处理能力,不仅有效解决了长期序列预测中的计算效率问题,还增强了模型对全局时间依赖关系的建模能力。最后,在设备状态监测(ETTm1)、交通流量(Traffic)和电力负荷(Electricity)三个数据集上将所提方法与现有的时间序列模型进行实验验证并比较。结果表明:所提出的方法在长期和短期时间序列预测中的误差率较低,能够有效提高多变量时间序列中长期和短期预测性能。 展开更多
关键词 长短期时间序列 多变量时间序列 informer 时间卷积网络(TCN) 特征提取
在线阅读 下载PDF
基于Informer模型的智能洪水预报方法研究
4
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
5
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
6
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
7
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FDBO+Informer-ECANet的齿轮箱故障诊断分析
8
作者 李婷婷 贾东 《机械传动》 北大核心 2026年第3期161-171,共11页
【目的】基于智能优化算法与深度神经网络的齿轮箱故障诊断方法逐渐成为研究热点,但仍然存在较多问题。为了解决强噪声环境下齿轮故障特征提取难、诊断准确率低的问题,提出一种基于融合增强型蜣螂优化(Fusion-enhanced Dung Beetle Opti... 【目的】基于智能优化算法与深度神经网络的齿轮箱故障诊断方法逐渐成为研究热点,但仍然存在较多问题。为了解决强噪声环境下齿轮故障特征提取难、诊断准确率低的问题,提出一种基于融合增强型蜣螂优化(Fusion-enhanced Dung Beetle Optimization,FDBO)算法、Informer模型和通道注意力机制(Efficient Channel Attention Network,ECANet)模块的齿轮箱故障诊断方法。【方法】首先,针对现有蜣螂优化(Dung Beetle Optimization,DBO)算法全局搜索能力不足、易陷入局部最优等问题,引入融合Fuch混沌映射兼逆反向学习策略、自适应步长策略与凸透镜成像反转策略集成、随机差异变异策略,提高算法的全局搜索能力;其次,基于Informer模型出色的长时间序列处理能力,高效提取出序列数据中的全局特征与局部特征;尤其针对包含长时间依赖关系的故障信号,该模型可展现出极高的分类性能;再次,在Informer模型的编辑器中引入ECANet模块,对Informer提取的特征进行通道级的自适应校准,提高模型对重要特征的关注度,以增强特征表达能力、减少噪声干扰;最后,通过FDBO算法对Informer-ECANet模型多个超参数进行寻优,确定最优参数组合,以增强模型的诊断能力和泛化性能。【结果】试验结果表明,在无噪声条件下,所提模型准确率达100%;在加入-6 dB的高斯白噪声下准确率仍达到94.4%,验证了所提模型的优越性,为齿轮箱故障诊断提供了一种新型有效的智能方法。 展开更多
关键词 融合增强型蜣螂优化算法 informer模型 ECANet模块 随机差异变异策略
在线阅读 下载PDF
基于小波卷积与Informer模型相结合的短期电力负荷预测
9
作者 谢雄峰 谭剑中 +2 位作者 何东 岳汉文 彭彪 《湖南电力》 2026年第1期98-106,共9页
随着风电、光伏等可再生能源大规模接入电网,电力系统运行的不确定性和波动性显著增强,负荷序列特征提取困难,导致短期电力负荷预测精度难以提升。针对此问题,提出一种基于小波卷积和Informer模型相结合的短期电力负荷预测模型,采用改... 随着风电、光伏等可再生能源大规模接入电网,电力系统运行的不确定性和波动性显著增强,负荷序列特征提取困难,导致短期电力负荷预测精度难以提升。针对此问题,提出一种基于小波卷积和Informer模型相结合的短期电力负荷预测模型,采用改进的变分模态分解(variational mode decomposition,VMD),对数据分解降噪后输入小波卷积模块进行多级小波卷积,实现对复杂时间序列的多尺度特征提取及降低序列复杂度,从而提高预测精度。为验证模型的有效性,进行多组实验,结果表明,所提模型平均绝对百分比误差为1.893 1%,与单独使用Informer模型或仅使用GSWOA-VMD-Informer的方法相比降低了1.059 4个百分点和0.504 8个百分点,验证了该模型的有效性。 展开更多
关键词 时间序列预测 变分模态分解(VMD) 小波卷积(WTC) informer模型
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
10
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
耦合图相似日和Informer的光伏出力预测
11
作者 刘晨晨 周宇慈 +4 位作者 潘张榕 李薇 沈春明 薛松 郭军红 《科学技术与工程》 北大核心 2026年第2期642-654,共13页
为了充分捕捉待预测日局部变化特征,提高光伏出力预测准确性,提出了基于结构相似性算法(structural similarity,SSIM)的图相似日与高效长时间序列预测模型(Informer)结合的光伏发电预测模型。以云南岩淜光伏电站为案例,首先利用日气象... 为了充分捕捉待预测日局部变化特征,提高光伏出力预测准确性,提出了基于结构相似性算法(structural similarity,SSIM)的图相似日与高效长时间序列预测模型(Informer)结合的光伏发电预测模型。以云南岩淜光伏电站为案例,首先利用日气象数据所构成的向量转换为格拉姆矩阵再将矩阵转换为日气象像素图,然后采用SSIM算法进行待预测日的相似日筛选。在此基础上,完成和光伏出力气象要素筛选,再利用Informer构建光伏出力预测模型,最终输出各时间段出力的预测结果。结果表明:图相似日方法可以很好地识别出待预测日的相似日,构建的Informer光伏出力预测模型在不同天气下都具有很好的预测性能。相对于传统预测方法,晴日下的均方根误差为0.66,日准确率分别提高了1.63%~3.92%。 展开更多
关键词 图相似日 SSIM算法 informer模型 光伏预测
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
12
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Informer与LSTM模型的数据可视化分析与股价变化趋势研究
13
作者 徐炜 陈维 黎宇辉 《西安交通工程学院学术研究》 2026年第1期67-72,共6页
本文旨在探索基于Informer与LSTM模型的数据可视化分析与股价变化趋势预测方法。首先,介绍了股票数据采集与存储的基本技术,接着引入了这两种模型的基本结构与工作原理、环境搭建与参数设置、模型训练流程与数据可视化分析,介绍了Infor... 本文旨在探索基于Informer与LSTM模型的数据可视化分析与股价变化趋势预测方法。首先,介绍了股票数据采集与存储的基本技术,接着引入了这两种模型的基本结构与工作原理、环境搭建与参数设置、模型训练流程与数据可视化分析,介绍了Informer模型的编码器与解码器结构以及可学习变量中的参数与超参数,LSTM模型的单元格、输入门、遗忘门和输出门以及输入层、隐藏层和输出层的权重和偏置等参数,学习率、批大小、迭代次数等超参数。使用STOCKHISTORY函数获取股票数据并进行预处理后进行代码编写和测试训练,用Informer与LSTM模型对股价变化趋势的准确性、稳定性和计算效率进行了对比,结果表明,Informer模型在短期内的价格变动预测方面具有较高的准确性,而LSTM模型则在捕捉长期依赖关系方面表现更佳。在典型股价变化趋势案例分析中,选取了四支不同行业的股票,先使用LSTM模型进行初步筛查未来趋势,再用Informer模型进行短期预测,展示了这两种模型在股价变化趋势分析中的有效性,最后提出了优势互补的模型优化方法,通过构建更为强大的股价预测模型,进一步提高预判股价变化趋势的准确性和鲁棒性。 展开更多
关键词 数据采集 informer模型 LSTM模型 数据可视化分析
在线阅读 下载PDF
基于改进Informer的医院就诊人流量预测研究
14
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RIME优化VMD与xLSTM-Informer的短期风电功率预测
15
作者 余炜嘉 沈杰 江明 《科技和产业》 2026年第3期24-32,共9页
针对风电机组并网后功率波动性强、非平稳性高的问题,提出一种基于霜冰优化算法(RIME)、变分模态分解(VMD)、扩展型长短期记忆(xLSTM)网络与Informer融合的短期预测方法。首先,利用RIME自适应寻优VMD参数以缓解模态重叠和端点效应,提高... 针对风电机组并网后功率波动性强、非平稳性高的问题,提出一种基于霜冰优化算法(RIME)、变分模态分解(VMD)、扩展型长短期记忆(xLSTM)网络与Informer融合的短期预测方法。首先,利用RIME自适应寻优VMD参数以缓解模态重叠和端点效应,提高分解稳定性;然后,将分解得到的子序列输入xLSTM与Informer构建的深度预测模块,开展多尺度时空建模并重构输出。算例结果表明,该方法在多项误差指标上显著优于对比模型,预测精度与鲁棒性均有提升。 展开更多
关键词 风电功率预测 变分模态分解(VMD) 霜冰优化算法(RIME) xLSTM(扩展型长短期记忆网络) 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
16
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
17
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
18
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
19
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
20
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
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