典型文献
基于T2VNN模型的阀冷系统进阀温度预测
文献摘要：
预测进阀温度的变化趋势对阀冷系统中设备运行的安全可靠性具有重要的参考价值.针对传统方法特征提取困难、预测精度低等问题,提出了一种用于预测进阀温度的T2VNN(Time2Vec neural network)模型,该模型首先通过时间序列表示学习方法Time2Vec对进阀温度进行特征提取,然后结合TCN和双向LSTM的优势,并且使用分位数回归来实现概率预测.最后设计了不同时间步和分位数在多个典型模型上的对比实验,实验结果验证了T2VNN模型具有更高的预测性能,并且通过消融实验证明了模型中各个组成部分的有效性.
文献关键词：
进阀温度;阀冷系统;时间序列;表示学习;分位数回归
中图分类号：
作者姓名：
陈霖;周宇
作者机构：
南京航空航天大学 计算机科学与技术学院, 南京 210016
文献出处：
引用格式：
[1]陈霖;周宇-.基于T2VNN模型的阀冷系统进阀温度预测)[J].计算机系统应用,2022(06):132-140
A类：
T2VNN,进阀温度,Time2Vec
B类：
阀冷系统,温度预测,设备运行,安全可靠性,法特,neural,network,通过时间,序列表示,表示学习方法,TCN,分位数回归,归来,概率预测,时间步,典型模型,预测性能,消融实验
AB值：
0.263542
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
