大数据分析与智能决策技术课题组

研究成果

面向工业过程的长时序数据预测技术

在时序预测方面，提出了改进多头注意力机制的长时间序列预测模型Muformer、二进制位置编码和信息转移正则化的长时间序列预测模型Seformer、多元时间序列预测模型FreMixer、时空注意力的混合深度网络模型、多尺度时间-变量序列网络的工业关键参数长时预测、图常微分方程递归网络的时序预测、时空四维卷积网络的时序预测等新模型和方法，解决了长时间序列预测面临的信息冗余、复杂周期性、噪声干扰、长期依赖关系难以建模，神经常微分方程式位置编码在长时间序列预测任务上出现的时间代价、基线漂移和信息损失，工业时间序列的多元耦合、动态非线性、随机误差、变量不对齐，深度混合预测模型的时间分辨率受限导致其对数据细微变化捕捉能力不足、海洋环境预测面临的时空耦合等问题，研究成果得到了国内人工智能专家的关注和积极评价，并被《科技日报》前沿版报道。

[1] Zeng Pengyu, Hu Guoliang, Zhou Xiaofeng*, Li Shuai, Liu Pengjie, Liu Shurui, Muformer: A long sequence time-series forecasting model based on modified multi-head attention, Knowledge-Based Systems, 2022, 254: 109584. (IF=8.8, 中国科学院1区top)
[2] Zeng Pengyu, Hu Guoliang, Zhou Xiaofeng*, Li Shuai, Liu Pengjie, Seformer: A long sequence time-series forecasting model based on binary position encoding and information transfer regularization, Applied Intelligence, 2023, 53(12): 15747-15771. (IF=5.3, 中国科学院2区)
[3] Zhan Fei, Zhou Xiaofeng*, Li Shuai, Jia Dongni, Song Hong, Learning Latent ODEs with Graph RNN for Multi-Channel Time Series Forecasting, IEEE Signal Processing Letters, 2023, 30: 1432-1436. (IF=3.9, 中国科学院2区)
[4] Zuo Xinyi, Zhou Xiaofeng*, Guo Daquan, Li Shuai, Liu Shurui, Xu Chunhui, Ocean Temperature Prediction Based on Stereo Spatial and Temporal 4-D Convolution Model, IEEE Geoscience and Remote Sensing Letters, 2022, 19: 1003405. (IF=4.8, 中国科学院3区)

时序预测

模型迁移

机理发现

持续学习

故障诊断