数据预测

迁移学习

故障诊断

智能控制

　 工业生产领域需要对长时序数据进行跟踪预测，长时序数据跟踪预测要求模型具有很强的预测能力，而现有的短时序预测技术难以满足要求。为此，课题组针对Informer模型应用于长时序数据跟踪预测存在冗余信息等问题，研究了基于改进多头注意力机制的长时序数据跟踪预测模型Muformer，首次将混合感知域、多粒度注意头机制和注意头修剪机制用于减少Informer模型的冗余信息。经测试，该模型在5个大型数据集上的长时序数据跟踪预测性能均优于7种现有主流时序数据预测方法。