基于自编码器和傅里叶变换增强的大模型金属材料疲劳寿命预测方法

本发明涉及一种基于自编码器和傅里叶变换增强的大模型金属材料疲劳寿命预测方法，属于金属材料疲劳寿命预测技术领域。该方法构建了AE‑FELM模型，该模型使用自编码器重构原始输入数据，并对原始数据特征降维和初步提取。依据数据特征的时间序列属性，在GPT2大模型的每个特征提取层增加傅里叶变换增强模块，进一步改善模型对时间序列数据的特征提取能力。本发明能够有效提取时间序列数据中的特征，并结合傅里叶变换深入挖掘频域信息，提高了预测的准确性。