摘要
本发明公开了一种稀疏编码与图时空注意力融合的混凝剂投加预测方法,其涉及时间序列数据建模预测技术领域。本发明通过Transformer编码‑解码架构与稀疏自注意力、top‑k稀疏化策略的结合,有效提升缺失数据补全精度,并为后续预测建模提供高质量、无缺失的输入数据;在空间特征表达层面,借助图注意力网络捕捉制水系统多子系统的节点关联,通过动态计算节点间关联权重并聚合邻居特征,提高空间特征的信息熵,大幅增强空间特征对多节点耦合关系的表达能力;在时序预测性能层面,时间注意力机制能够动态聚焦关键时序节点,进一步提升关键时序特征的利用率,提高混凝剂投加预测的准确率。
技术关键词
MLP神经网络
多层感知器
特征提取模块
时序
编码特征
注意力机制
数据
分支
节点
解码模块
高维特征向量
编码模块
K近邻算法
矩阵
解码架构
制水系统
生成工业
系统为您推荐了相关专利信息
能量管理方法
GRU神经网络
建筑群
能源优化管理
构建训练集
编码方法
文本
医疗数据处理技术
标签特征
电子健康记录
环境传感器数据
环境状态信息
监控设备
家用监控系统
时序特征
动态邻接矩阵
多维特征数据
Teager能量算子
时空融合特征
设备故障诊断方法