来源：期刊VIP网 时间：
作者：郭宝;甄诚;王佳懿;钟凯;
单位：中国大唐集团科学技术研究总院有限公司华东电力试验研究院;安徽大学物质科学与信息技术研究院;
摘要：为了提升GRU(Gated Recurrent Unit)模型对时间序列的特征提取与预测能力，提出一种多尺度小波核驱动的混合注意力网络（mWKN-HAGRU）时序预测方法。该模型通过调整小波核函数的尺度参数，从多个粒度提取时间序列中隐藏的状态信息，为后续的预测模型提供丰富的特征输入；设计了一种混合注意力门控循环单元（HAGRU），其中，时间局部注意力可以定量刻画不同特征对预测性能的影响并学习序列间的长期依赖关系，空间全局注意力能够有效捕捉特征间的信息交互，有助于全面表征不同序列之间的空间相关性和演变规律。真实船舶柴油机数据集中的实验结果表明，所提方法显著提升了冷却水系统关键性能参数的预测性能。
关键词：多尺度小波核;;混合注意力;;门控循环单元;;时序预测
基金资助：国家自然科学基金(62303015,62273214)
