来源：期刊VIP网 时间：
作者：齐爱玲;代静瀛;马宏伟;
单位：西安科技大学人工智能与计算机学院;西安科技大学机械工程学院;
摘要：煤岩界面轨迹是多变量时序数据，不同变量之间存在复杂的相关性，高精度预测存在难点。针对该问题，提出了一种基于多通道关联互补特征（SSIC-former）的煤岩界面预测模型，该模型融合了集中式注意力机制（CAM）、交互卷积块（ICB）和锐度感知最小化策略（SAM）。使用滑动窗口的办法将原始数据构造成连续样本；构建用于煤岩识别的SSIC-former结构，提取煤岩界面的跨通道关联信息及局部特征，引入可逆实例归一化动态消除数据非平稳性：采用CAM提取多通道间的关联互补特征，通过ICB提取不同尺度的局部特征并实现跨尺度动态交互，二者输出经残差融合强化特征表达；训练阶段结合SAM避免模型陷入局部最优，并通过投影层输出预测结果。实验结果表明：(1)采用基于SSIC-former的煤岩界面预测模型进行煤岩界面预测，平均绝对误差为6.37 mm，平均绝对百分比误差为2.79%，均方根误差为8.08 mm，均方误差为0.07 mm，决定系数R2为0.99，单样本平均推理时间为0.006 6 s，在基于Transformer类的模型中推理时间最短，可满足采煤机实时作业的低延迟需求。(2)与基于LSTM,Crossformer,Nonstationary＿Transformer,FPPformer,iTransformer,PatchTST等的模型相比，基于SSIC-former的模型在上述前5个评价指标上均更优，说明基于SSIC-former的模型预测精度高，泛化能力强，能够在煤岩界面轨迹预测中提供更为准确的结果。
关键词：煤岩界面预测;;关联互补特征;;集中式注意力机制;;锐度感知最小化;;交互卷积块;;可逆实例归一化
基金资助：国家自然科学基金资助项目（61674121）
