-
题名基于域适应物理信息神经网络的时间序列预测方法
- 1
-
-
作者
曹力丰
阎高伟
肖舒怡
董珍柱
董平
-
机构
太原理工大学电气与动力工程学院
山西华光发电有限责任公司
-
出处
《自动化学报》
北大核心
2025年第6期1329-1346,共18页
-
基金
国家自然科学基金(61973226)
山西省科技重大专项(202201090301013)
+2 种基金
山西省自然科学青年基金(202203021222101)
格盟集团科技创新基金(2023-05)
山西省研究生科研创新项目(2024KY268)资助。
-
文摘
基于机器学习的预测方法通常能够实现较高的拟合精度,但模型可解释性和泛化性能较差.在工业过程中,由于概念漂移现象的存在,这些方法的稳定性受到影响,使得在复杂工业环境中精确建模成为一项既困难又具挑战性的任务.为此,提出一种基于线性动力算子的域适应物理信息神经网络方法.首先通过历史工况数据建立线性动力算子神经网络模型,捕获多变量时间序列数据的动态特性.然后通过前向欧拉法对机理模型进行离散化,构造物理信息正则化项,促使模型服从机理约束.最后通过最大均值差异对历史工况和当前工况下隐藏层状态变量进行分布对齐,构建域适应损失,降低变工况下数据分布变化对模型的影响.在多个数据集上的实验表明,该方法可以有效提高模型预测精度和泛化性能.
-
关键词
物理信息机器学习
概念漂移
域适应
线性动力算子神经网络
-
Keywords
Physics-informed machine learning
concept drift
domain adaptation
linear dynamical operator neural network
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
