摘要
一种基于Transformer的冲击地压时间‑空间协同预测方法,数据预处理将微震时间特征指标处理为具有特定时间窗的序列,添加位置编码转换为Transformer模型的输入格式;预测模型构建采用编码器和解码器网络结构,利用时空注意力机制捕捉数据中的复杂模式。在编码器和解码器中使用前馈神经网络、层归一化和残差连接,提高模型的表达能力和收敛性;在模型训练和模型测试中,得出采用不同时间窗的预测值。最后采用了克里金插值法处理归一化数据,根据微震时空特征指标网格矩阵,利用网格矩阵绘制空间云图,确立危险区域,完成冲击地压预测方法的构建。本发明结合冲击地压时间序列预测方法,实现了冲击地压时间序列预测,预测结果准确。
技术关键词
时空注意力机制
协同预测方法
时间序列关系
多维特征数据
冲击地压预测方法
节点特征
时间序列预测方法
模式
立方体
编码器架构
多头注意力机制
矩阵
解码器
前馈神经网络
插值法
系统为您推荐了相关专利信息
空间变换网络
矩阵
注意力机制
溶解氧传感器
网格
变电站
电力负荷预测方法
长短期记忆网络
神经网络模型
负荷历史数据
时空注意力机制
布局
生成方法
演变方法
交叉注意力机制
分类方法
文本
时间序列关系
卷积神经网络提取
分类装置