期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
1
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于Transformer模型的级联系统压强预测研究
1
作者
李浩
闫昊
+1 位作者
王泽涛
车军
《原子能科学技术》
2025年第S2期418-425,共8页
针对离心级联系统缺乏预测压强的手段而导致运行人员难以及时准确预知压强变化的问题,采用改进Transformer模型,以实现级联系统压强的有效预测。通过二维卷积层捕捉输入序列特征关系,并采用一维卷积使相邻时间步的信息融合。为降低计算...
针对离心级联系统缺乏预测压强的手段而导致运行人员难以及时准确预知压强变化的问题,采用改进Transformer模型,以实现级联系统压强的有效预测。通过二维卷积层捕捉输入序列特征关系,并采用一维卷积使相邻时间步的信息融合。为降低计算复杂度、提高模型计算效率,利用多头稀疏自注意力机制对注意力权重矩阵进行稀疏化处理。在解码端采用自回归式解码,提高生成序列的准确性。通过模拟贫料干管电动调节阀误动作引起的压强变化,验证了模型在60 s内的压强预测效果。改进Transformer模型对压强预测的平均绝对误差、平均绝对误差百分比和均方根误差分别为0.42、1.5%和0.48,相比传统Transformer模型,分别降低了59.6%、57.1%和61.9%,且与其他预测模型相比,预测精度也更高。
展开更多
关键词
离心级联系统
压强预测
Transformer模型
稀疏自注意力机制
自回归式解码
在线阅读
下载PDF
职称材料
题名
基于Transformer模型的级联系统压强预测研究
1
作者
李浩
闫昊
王泽涛
车军
机构
中核第七研究设计院有限公司
出处
《原子能科学技术》
2025年第S2期418-425,共8页
基金
中核集团“青年英才”项目。
文摘
针对离心级联系统缺乏预测压强的手段而导致运行人员难以及时准确预知压强变化的问题,采用改进Transformer模型,以实现级联系统压强的有效预测。通过二维卷积层捕捉输入序列特征关系,并采用一维卷积使相邻时间步的信息融合。为降低计算复杂度、提高模型计算效率,利用多头稀疏自注意力机制对注意力权重矩阵进行稀疏化处理。在解码端采用自回归式解码,提高生成序列的准确性。通过模拟贫料干管电动调节阀误动作引起的压强变化,验证了模型在60 s内的压强预测效果。改进Transformer模型对压强预测的平均绝对误差、平均绝对误差百分比和均方根误差分别为0.42、1.5%和0.48,相比传统Transformer模型,分别降低了59.6%、57.1%和61.9%,且与其他预测模型相比,预测精度也更高。
关键词
离心级联系统
压强预测
Transformer模型
稀疏自注意力机制
自回归式解码
Keywords
centrifugal cascade system
pressure prediction
Transformer model
sparse self-attention mechanism
autoregressive decoding
分类号
TL25.2 [核科学技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于Transformer模型的级联系统压强预测研究
李浩
闫昊
王泽涛
车军
《原子能科学技术》
2025
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
