摘要
本发明公开了一种面向电子系统的多表征退化预测方法及相关设备,属于关键参数长期退化趋势预测技术领域。方法包括获取时间序列和序列类别,对所述时间序列进行表征趋势分解,得到指示向量作为表征表示;基于所述时间序列对序列类别和指示向量进行深度融合,得到最终输出;将所述最终输出输入时序预测模型中,得到最终预测的时间序列,完成多表征退化预测。本发明提出的多表征退化预测方法,通过多表征兼容特征融合模块的设计,实现了对多种时序表征数据的高效处理与精准预测。该方法不仅显著提升了模型的适应能力、判别力与鲁棒性,还为复杂时序数据的处理提供了可靠的技术支持。
技术关键词
退化预测方法
电子系统
序列
时序预测模型
调制特征
趋势预测技术
ReLU函数
非线性
可读存储介质
处理器
预测系统
动态
上采样
模块
存储器
鲁棒性
计算机
参数
电子设备
系统为您推荐了相关专利信息
兴趣特征向量
时间段
序列
LSTM模型
注意力机制
充电设备
样本
深度强化学习模型
累计工作时间
充电调度方法
电力系统调节方法
粒子群优化算法
静止无功补偿器
DBSCAN算法
电压