检索结果-南通市图书馆

南京信息工程大学学报 2024年

作者：许涛南新元蔡鑫赵濮新疆大学电气工程学院

在真实的工业物联网环境中，传感器信号常受外界噪声干扰，难以获取纯净数据，这影响了基于数据驱动的时间序列预测任务的准确性。为此，基于改进的对比盲去噪自编码器（Contrast Blind Denoising Autoencoder， CBDAE）和TCN-Transfor... 详细信息

在真实的工业物联网环境中，传感器信号常受外界噪声干扰，难以获取纯净数据，这影响了基于数据驱动的时间序列预测任务的准确性。为此，基于改进的对比盲去噪自编码器（Contrast Blind Denoising Autoencoder， CBDAE）和TCN-Transformer网络，本文提出一种新型时间序列预测框架，称为MoCo-CBDAE-TCN-Transformer。该框架通过引入额外的动量编码器、动态队列和信息噪声对比估计（Information Noise-Contrastive Estimation， InfoNCE）正则化，增强了对时间序列数据动态特征的捕捉能力，并有效利用历史负样本信息。在无需噪声先验知识和传感器纯净数据的前提下，通过捕捉和对比时间相关性和噪声特征，实现传感器数据的盲去噪。去噪后的数据通过TCN-Transformer网络进行时间序列预测。TCN-Transformer网络结合残差连接和膨胀卷积的优势以及Transformer的注意力机制，显著提高了预测的准确性和效率。最后，在公开的四缸过程数据集上进行仿真验证，实验结果表明，与传统的去噪方法和时间序列预测模型相比，本文设计的模型能够获得更好的去噪效果和更高的预测精度，其实时处理能力适合部署在实际的工业环境中，为工业物联网中的数据处理和分析提供一种有效的技术方案。

关键词：去噪自编码器动量编码器动态队列信息噪声对比估计时间卷积网络 Transformer

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：