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2篇文章
< 1 >
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：
基于多通道关联互补特征的煤岩界面预测
1
作者 齐爱玲 代静瀛 马宏伟 《工矿自动化》 北大核心 2026年第1期96-105,共10页
煤岩界面轨迹是多变量时序数据,不同变量之间存在复杂的相关性,高精度预测存在难点。针对该问题,提出了一种基于多通道关联互补特征(SSIC−former)的煤岩界面预测模型,该模型融合了集中式注意力机制(CAM)、交互卷积块(ICB)和锐度感知最... 煤岩界面轨迹是多变量时序数据,不同变量之间存在复杂的相关性,高精度预测存在难点。针对该问题,提出了一种基于多通道关联互补特征(SSIC−former)的煤岩界面预测模型,该模型融合了集中式注意力机制(CAM)、交互卷积块(ICB)和锐度感知最小化策略(SAM)。使用滑动窗口的办法将原始数据构造成连续样本;构建用于煤岩识别的SSIC−former结构,提取煤岩界面的跨通道关联信息及局部特征,引入可逆实例归一化动态消除数据非平稳性:采用CAM提取多通道间的关联互补特征,通过ICB提取不同尺度的局部特征并实现跨尺度动态交互,二者输出经残差融合强化特征表达;训练阶段结合SAM避免模型陷入局部最优,并通过投影层输出预测结果。实验结果表明:①采用基于SSIC−former的煤岩界面预测模型进行煤岩界面预测,平均绝对误差为6.37 mm,平均绝对百分比误差为2.79%,均方根误差为8.08 mm,均方误差为0.07 mm,决定系数R^(2)为0.99,单样本平均推理时间为0.0066 s,在基于Transformer类的模型中推理时间最短,可满足采煤机实时作业的低延迟需求。②与基于LSTM,Crossformer,Nonstationary_Transformer,FPPformer,iTransformer,PatchTST等的模型相比,基于SSIC−former的模型在上述前5个评价指标上均更优,说明基于SSIC−former的模型预测精度高,泛化能力强,能够在煤岩界面轨迹预测中提供更为准确的结果。 展开更多
关键词 煤岩界面预测 关联互补特征 集中式注意力机制 锐度感知最小化 交互卷积块 可逆实例归一化
在线阅读 下载PDF
融合可逆实例归一化及Informer编解码的船速预测
2
作者 陈信强 樊家畅 +3 位作者 吴华锋 吴宇震 李世博 鲜江峰 《上海海事大学学报》 北大核心 2025年第4期1-9,共9页
针对训练数据与测试数据之间存在分布差异以及多变量耦合影响船速预测精度的问题,构建一种融合可逆实例归一化(reversible instance normalization,RevIN)模块、时间序列分块操作和Informer编解码机制的船速预测模型(称为ERINPI)。通过... 针对训练数据与测试数据之间存在分布差异以及多变量耦合影响船速预测精度的问题,构建一种融合可逆实例归一化(reversible instance normalization,RevIN)模块、时间序列分块操作和Informer编解码机制的船速预测模型(称为ERINPI)。通过引入一种基于RevIN的对称结构对模型进行输入数据归一化和输出数据反归一化处理,以解决训练数据与测试数据之间存在的分布差异问题。为使模型学习到船速与多个相关变量间的耦合关系,借助时间序列分块操作将局部多点信息聚合成块,并利用多头概率自注意力和蒸馏操作来提高模型的泛化能力。实验结果表明,ERINPI船速预测的平均绝对误差、平均均方误差、平均均方根误差和平均残差标准误差分别为1.3823、9.4119、2.9981和2.9982,均比其他船速预测模型的小,说明本文构建的模型能更精准地预测船速的变化趋势。 展开更多
关键词 船速预测 可逆实例归一化(revin) 时间序列分块 多头概率自注意力 智能船舶
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 下一页 到第 页
使用帮助 返回顶部