基于Inception-BiGRU和注意力机制的频谱感知方法研究

1

作者 殷晓虎 张安熠 +1 位作者 张珂珂 田冲 《电子测量技术》 北大核心 2025年第6期90-98,共9页

频谱感知是缓解频谱资源短缺的关键技术之一,其中智能频谱感知已成为当前研究的热点方向。针对现有频谱感知方法对信号特征提取不充分以及在低信噪比下频谱感知效果不佳的问题,提出一种由Inception模块、双向门控循环单元、时间注意力... 频谱感知是缓解频谱资源短缺的关键技术之一,其中智能频谱感知已成为当前研究的热点方向。针对现有频谱感知方法对信号特征提取不充分以及在低信噪比下频谱感知效果不佳的问题,提出一种由Inception模块、双向门控循环单元、时间注意力机制和全连接层网络组成的频谱感知混合模型。首先,Inception模块对接收到的I/Q信号进行多尺度空间特征的提取;然后,采用双向门控循环单元获取信号的时间序列特征,并通过时间注意力机制强化重要时序特征;最后,全连接层网络将提取到的特征映射到频谱状态的分类空间完成分类识别。实验结果表明,本文方法与多种现有频谱感知方法相比显著提升了感知性能,模型的整体检测准确率达到84.55%,当信噪比为-20 dB时,该方法的感知误差为24%;且对多种调制类型的无线电信号具有较好的适应性。所提方法无需依赖任何先验信息,在低信噪比和复杂无线电环境下展现出较强的鲁棒性,实现了感知性能与模型复杂度的有效平衡,为智能频谱感知提供了一种新的解决方案。 展开更多

关键词 频谱感知 深度学习 Inception模块 双向门控循环单元 时间注意力机制

在线阅读 下载PDF 职称材料

融合改进NBEATSx和时间注意力机制的空气污染预测

2

作者 李杰 王占刚 《陕西科技大学学报》 北大核心 2024年第5期198-205,共8页

针对现有空气污染预测存在结构复杂、对多元变量与不同时间步间依赖关系提取不充分和多步预测精度低的问题,引入了β分布和非线性动态控制函数改进星鸦优化算法(INOA),优化NBEATSx模型参数,提高收敛精度;并融合时间模式注意力机制(TPA)... 针对现有空气污染预测存在结构复杂、对多元变量与不同时间步间依赖关系提取不充分和多步预测精度低的问题,引入了β分布和非线性动态控制函数改进星鸦优化算法(INOA),优化NBEATSx模型参数,提高收敛精度;并融合时间模式注意力机制(TPA)为不同时间尺度的多外生变量自适应分配权重,再结合预测因子获取时间模式关系.利用所提模型对北京地区的PM2.5进行预测,与传统模型相比精度提高超过18.45%,为空气污染预测提供了一种新方法. 展开更多

关键词 空气污染预测 时间模式注意力机制 星鸦优化算法 神经基扩展分析网络

在线阅读 下载PDF 职称材料

融合公共特征与注意力机制的精矿品位预测方法

3

作者 刘溢文 王芳 +2 位作者 李荣 房雅灵 阎高伟 《控制工程》 北大核心 2025年第2期226-232,共7页

精矿品位是选矿工艺中重要的经济技术指标之一,准确、实时地预测这一指标具有重要意义。然而,实际工业过程中,不同浮选线或浮选槽的环境和操作存在差异,使所采集的数据分布不同,导致利用有标记浮选槽数据建立的模型应用到其他浮选槽时... 精矿品位是选矿工艺中重要的经济技术指标之一,准确、实时地预测这一指标具有重要意义。然而,实际工业过程中,不同浮选线或浮选槽的环境和操作存在差异,使所采集的数据分布不同,导致利用有标记浮选槽数据建立的模型应用到其他浮选槽时适应性差,精矿品位的预测精度低。针对这一问题,将公共特征提取算法应用于精矿品位预测中,来降低不同浮选槽数据的分布差异。考虑到数据具有动态特性,采用时序模式注意力机制和短期时间记忆网络结合的模型对精矿品位进行预测。通过在多个泡沫浮选槽数据集上进行交叉实验,证明了该方法的有效性。 展开更多

关键词 泡沫浮选 精矿品位预测 公共特征 时间模式注意力机制

在线阅读 下载PDF 职称材料

基于时间模式注意力机制的BiLSTM多风电机组超短期功率预测 被引量：57

4

作者 王渝红 史云翔 +3 位作者 周旭 曾琦 方飚 毕悦 《高电压技术》 EI CAS CSCD 北大核心 2022年第5期1884-1892,共9页

针对现有预测方法难以批量处理多风机间不同特征的问题,提出了基于时间模式注意力(temporal pattern attention,TPA)机制的双向长短时记忆(bidirectional long short-term memory,BiLSTM)网络多风电机组超短期功率预测方法。首先,基于... 针对现有预测方法难以批量处理多风机间不同特征的问题,提出了基于时间模式注意力(temporal pattern attention,TPA)机制的双向长短时记忆(bidirectional long short-term memory,BiLSTM)网络多风电机组超短期功率预测方法。首先,基于集合经验模态分解(ensemble empirical mode decomposition,EEMD)获得风机原始功率信号的不同模态分量,以降低神经网络预测难度。其次,基于TPA机制,从Bi LSTM网络得到的隐藏行向量中提取多风机之间的复杂联系,从而使得具有不同特征的模态可以从不同时间步选择相关信息,进而降低各模态的预测误差。最后,将TPA机制与传统注意力机制应用于分散分布的14台风机区域功率预测任务。研究结果表明:基于本方法的多风电机组超短期功率预测的标准均方根误差仅为0.0546,证明TPA机制能有效提高多风电机组的超短期功率预测精度。 展开更多

关键词 超短期风电功率预测 多风电机组 时间模式注意力机制 双向长短时记忆 集合经验模态分解

在线阅读 下载PDF 职称材料

基于解耦注意力机制的多变量时序预测模型

5

作者 李力铤 华蓓 +1 位作者 贺若舟 徐况 《计算机应用》 CSCD 北大核心 2024年第9期2732-2738,共7页

针对多变量时序预测难以充分利用序列上下文语义信息及变量间隐含关联信息的问题,提出一种基于解耦注意力机制的多变量时序预测模型Decformer。首先,提出一种解耦注意力机制,从而充分利用嵌入的语义信息提升注意力权值分配的准确度;其次... 针对多变量时序预测难以充分利用序列上下文语义信息及变量间隐含关联信息的问题,提出一种基于解耦注意力机制的多变量时序预测模型Decformer。首先,提出一种解耦注意力机制,从而充分利用嵌入的语义信息提升注意力权值分配的准确度;其次,提出一种不依赖于显式变量关系的模式关联挖掘方法,以挖掘并利用变量间隐含的模式关联信息。在话务量、电力消耗和交通3种不同类型的真实数据集(TTV、ECL和PeMS-Bay)上,与长短期时间序列网络(LSTNet)、Transformer、FEDformer等优秀的开源多变量时序预测模型相比,Decformer在所有预测时间长度上都取得了最高的预测精度。相较于LSTNet,Decformer在TTV、ECL和PeMS-Bay数据集上的平均绝对误差(MAE)分别降低了17.73%~27.32%、10.89%~17.01%和13.03%~19.64%;均方误差(MSE)分别降低了23.53%~58.96%、16.36%~23.56%和15.91%~26.30%。实验结果表明,Decformer能够有效提升多变量时序预测的精度。 展开更多

关键词 多变量时序预测 自注意力机制 模式关联 时间关联 嵌入机制

在线阅读 下载PDF 职称材料

注意力改进的动态自组织模块化神经网络结构设计及应用

6

作者 张昭昭 潘浩然 朱应钦 《计算机科学》 CSCD 北大核心 2024年第S02期163-171,共9页

针对混沌时间序列的复杂性和非线性特点,提出了一种专注于此类挑战的新型神经网络模型,即注意力改进的动态自组织模块化神经网络模型(ADAMNN)。该模型基于分而治之的思想,通过注意力机制计算不同子网络与输入数据的相似度,并利用层次聚... 针对混沌时间序列的复杂性和非线性特点,提出了一种专注于此类挑战的新型神经网络模型,即注意力改进的动态自组织模块化神经网络模型(ADAMNN)。该模型基于分而治之的思想,通过注意力机制计算不同子网络与输入数据的相似度,并利用层次聚类自适应地划分子网络。随后,采用基于层次聚类的动态生长机制,对子网络簇进行增减,最后通过激活的子网络簇对输入样本进行在线学习;同时,结合传统的集成输出方法,提出了一种基于注意力机制的子网络加权集成输出方法。最终分别在Mackey-Glass时间序列、M-G快时变时间序列、非线性系统辨识、煤矿开采过程中在瓦斯浓度数据集上进行了实验,ADAMNN展现出了实时更新子网络中心、动态构建子网络簇的能力,而且与基于欧几里得空间的动态自适应模块化神经网络相比,预测准确度提高了约40%。 展开更多

关键词 模块化神经网络 自组织神经网络 混沌时间序列 注意力机制 层次聚类

在线阅读 下载PDF 职称材料

融合多通道CNN-BiGRU与时间模式注意力机制的多工序工艺质量预测方法

7

作者 阴艳超 洪志敏 +2 位作者 顾文娟 唐军 易斌 《计算机集成制造系统》 2025年第8期2905-2919,共15页

针对流程生产由于变量间耦合复杂、时序特征显著而导致工艺质量精准预测困难问题,提出了一种融合多通道CNN-BiGRU与时间模式注意力机制的多工序工艺质量预测方法。首先,搭建由卷积神经网络(CNN)与双向门控循环单元(BiGRU)组成的门控卷... 针对流程生产由于变量间耦合复杂、时序特征显著而导致工艺质量精准预测困难问题,提出了一种融合多通道CNN-BiGRU与时间模式注意力机制的多工序工艺质量预测方法。首先,搭建由卷积神经网络(CNN)与双向门控循环单元(BiGRU)组成的门控卷积网络,用于获取多工序生产过程工艺数据的非线性时间动态相关性,并将反映工艺参数时序变化规律的高维特征向量构成时间序列,分别输入到前向和后向传递的GRU网络,避免在训练工艺数据的长时间序列时的梯度消失或梯度爆炸问题;其次,引入时间模式注意力机制(TPA)为生产过程中的不同工序状态变量自适应分配注意力权重,动态获取不同工艺参数之间的关联耦合特征,通过全连接层获取最终工艺质量的预测结果;最后,利用某制丝产线五大工序的工艺数据集进行了工艺质量的预测实验。实验表明,相较于TCN-Attention和DA_BiLSTM等模型,CNN-BiGRU-TPA模型有效提高了预测精度,平均绝对误差(MAE)和均方根误差(RMSE)降低了21.36%和26.56%以上,为流程生产多工序质量精准预测提供了实现方法和途径。 展开更多

关键词 流程制造 时序特征预测 时间模式注意力机制 多工序耦合

在线阅读 下载PDF 职称材料

基于贝叶斯优化的时间卷积网络船舶航迹预测 被引量：1

8

作者 李金源 朱发新 +1 位作者 滕宪斌 毕齐林 《中国舰船研究》 CSCD 北大核心 2024年第6期303-316,共14页

[目的]为提高船舶航迹预测精度和计算效率,解决传统方法容易出现的梯度爆炸、计算时间长等问题,提出基于改进的贝叶斯优化算法与时间卷积神经网络的航迹预测模型。[方法]首先,通过引入时间模式注意力机制,提取各输入特征的权重,保证航... [目的]为提高船舶航迹预测精度和计算效率,解决传统方法容易出现的梯度爆炸、计算时间长等问题,提出基于改进的贝叶斯优化算法与时间卷积神经网络的航迹预测模型。[方法]首先,通过引入时间模式注意力机制,提取各输入特征的权重,保证航迹历史数据的时序性,同时引入可逆残差网络,减少时间卷积神经网络模型训练过程中占用的内存;然后,再采用贝叶斯优化算法对时间卷积网络中的超参数(内核大小K、膨胀系数d)进行寻优;最后,采用五折交叉验证方法对模型进行验证,获得最优模型后进行航迹预测。[结果]采用AIS采集的航迹数据验证,结果表明,在弱耦合、中耦合和强耦合航迹预测中,均方根误差分别平均提高5.5×10^(-5),3.5×10^(-4)和6×10^(-4)。[结论]所提出网络对复杂航迹具有良好的适应性,其预测精度均优于传统模型及LSTM模型,在耦合较强的航迹中仍能保持较高的预测精度。 展开更多

关键词 导航 神经网络 贝叶斯优化算法 时间卷积网络 时间模式注意力机制模块 可逆残差网络 AIS数据

在线阅读 下载PDF 职称材料

基于改进时间卷积网络的微电网超短期负荷预测 被引量：3

9

作者 王印松 吕率豪 《太阳能学报》 EI CAS CSCD 北大核心 2024年第6期255-263,共9页

为了提高微电网中用电负荷超短期预测的准确性,对时间卷积网络进行特征增强和注意力增强改进,将时间卷积网络中的一维因果膨胀卷积替换为二维卷积,同时利用时间模式注意力机制对时间卷积网络的隐藏层加权处理,提取负荷的多维特征,挖掘... 为了提高微电网中用电负荷超短期预测的准确性,对时间卷积网络进行特征增强和注意力增强改进,将时间卷积网络中的一维因果膨胀卷积替换为二维卷积,同时利用时间模式注意力机制对时间卷积网络的隐藏层加权处理,提取负荷的多维特征,挖掘序列中存在的潜藏联系。根据改进的方法建立预测模型并进行对比实验以验证方法的有效性,能够对用电负荷的不确定性进行有效的处理,拓宽特征向量的维度,有效捕捉负荷序列中与时间有关的特征,提高用电负荷的预测精度。 展开更多

关键词 负荷预测 微电网 卷积神经网络 特征增强 时间模式注意力机制

在线阅读 下载PDF 职称材料

基于CEEMDAN和改进时间卷积网络的短期风电功率预测模型 被引量：51

10

作者 赵凌云 刘友波 +2 位作者 沈晓东 刘代勇 吕霜 《电力系统保护与控制》 CSCD 北大核心 2022年第1期42-50,共9页

近年来,风力发电逐渐成为可再生能源发电的关键部分。为了提高风力发电功率短期预测的准确度,提出了一种将自适应噪声完备集成经验模态分解与改进时间卷积网络结合的短期风电功率预测模型。首先,利用CEEMDAN对风电功率序列进行分解,得... 近年来,风力发电逐渐成为可再生能源发电的关键部分。为了提高风力发电功率短期预测的准确度,提出了一种将自适应噪声完备集成经验模态分解与改进时间卷积网络结合的短期风电功率预测模型。首先,利用CEEMDAN对风电功率序列进行分解,得到子序列分量,并分别与关键气象变量数据构成训练集。然后,使用基于时间模式注意力机制的时间卷积网络对子序列分量分别进行预测。最后,重构预测结果后得到最终的预测值。整个预测过程有助于精准刻画风电的分量特性,并通过TPA机制捕捉变量间的关联性,有效地提高风电功率的预测准确率。 展开更多

关键词 风电功率预测 自适应噪声完备集成经验模态分解 时间卷积网络 时间模式注意力机制

在线阅读 下载PDF 职称材料

基于TPA‑MBLSTM模型的超短期风电功率预测 被引量：7

11

作者 蔡昌春 范靖浩 +1 位作者 李源佳 何瑶瑶 《电力科学与技术学报》 CAS CSCD 北大核心 2024年第1期47-56,共10页

风速变化的间歇性和波动性给风功率的精准预测带来极大挑战,充分挖掘风电功率与风速等关键因素的内在规律是提高风电功率预测精度的有效途径。提出一种结合时间模式注意力(time pattern attention,TPA)机制的多层堆叠双向长短期记忆网... 风速变化的间歇性和波动性给风功率的精准预测带来极大挑战,充分挖掘风电功率与风速等关键因素的内在规律是提高风电功率预测精度的有效途径。提出一种结合时间模式注意力(time pattern attention,TPA)机制的多层堆叠双向长短期记忆网络的超短期风电功率预测方法。首先,利用基于密度的含噪声空间聚类方法(den⁃sity based spatial clustering with noise,DBSCAN)和线性回归算法进行风功率数据集的异常值检测,利用k最邻近(k⁃nearest neighbor,KNN)插值法重构异常点数据;其次,综合考虑风电功率与各气象特征的内在关联性,在MBLSTM网络中引入TPA机制合理分配时间步长权重,捕捉风电功率时间序列潜在逻辑规律;最后,利用实验仿真数据进行分析验证本文方法的有效性,该方法能够充分挖掘风功率与风速影响因素的关系,从而提高其预测精度。 展开更多

关键词 风电功率预测 时间模式注意力机制 多层堆叠双向长短记忆网络 异常数据检测 基于密度的含噪声空间聚类方法 线性回归

在线阅读 下载PDF 职称材料

基于红外的TPA和IAOA BiLSTM电路芯片故障诊断 被引量：1

12

作者 王力 朱猛 马江燕 《激光与红外》 CAS CSCD 北大核心 2024年第4期574-583,共10页

为了提高电路芯片故障诊断准确率,超参数设置的效率以及特征提取效率,提出一种基于时间模式注意力机制(TPA)的改进算数优化算法(IAOA)优化双向长短期记忆网络(BiLSTM)的电路故障诊断方法。首先,利用IAOA搜寻BiLSTM的最优超参数组合,提... 为了提高电路芯片故障诊断准确率,超参数设置的效率以及特征提取效率,提出一种基于时间模式注意力机制(TPA)的改进算数优化算法(IAOA)优化双向长短期记忆网络(BiLSTM)的电路故障诊断方法。首先,利用IAOA搜寻BiLSTM的最优超参数组合,提高模型诊断精度;然后使用TPA提取重要特征并分配权重,改善模型特征提取能力;最后,将红外摄像仪采集的红外温度数据输入到最优诊断模型中,实现电路芯片故障诊断。实验采用0~30 V可调稳压电源电路进行验证。结果表明,该模型对电路芯片故障诊断准确率高达9827,可实现对电路芯片的高准确率故障诊断。 展开更多

关键词 红外技术 芯片故障诊断 双向长短期记忆网络 算数优化算法 时间模式注意力机制

在线阅读 下载PDF 职称材料

基于多路光流信息的微光视频增强算法

13

作者 刘书生 王九杭 童官军 《现代电子技术》 北大核心 2024年第16期13-22,共10页

图像和视频是记录真实场景信息的重要媒介,它们包含丰富而详细的视觉内容,可以开发各种智能系统来执行各种任务。特别是对于低照度条件下的视频,提升其清晰度和细节可以更好地表现和还原真实场景。针对在夜间低照度环境条件下对周围环... 图像和视频是记录真实场景信息的重要媒介,它们包含丰富而详细的视觉内容,可以开发各种智能系统来执行各种任务。特别是对于低照度条件下的视频,提升其清晰度和细节可以更好地表现和还原真实场景。针对在夜间低照度环境条件下对周围环境感知的需求,提出一种基于多路光流信息时间一致性的微光视频增强算法。通过引入预测的光流与真实的光流信息,构建三分支孪生网络对微光视频进行增强;同时针对微光视频存在的低信噪比以及模糊化问题,设计一种基于双尺度注意力机制的微光视频去噪模块(CA-Swin模块),以提升网络的去噪性能。通过在DAVIS数据集上进行对比实验和评估,得出所提网络在增强微光视频方面更高效,鲁棒性显著;且该策略还具有通用性,可以直接扩展到大规模数据集。 展开更多

关键词 微光视频增强 光流信息 时间一致性 三分支孪生网络 双尺度注意力机制 微光视频去噪模块 视频帧

在线阅读 下载PDF 职称材料