Robust-InTemp:基于对抗扰动和局部信息增强的进阀温度预测

作者：吴皓; 周宇^*; 张硕桦; 杨光

来源：计算机系统应用, 2023, 32(12): 84-94.

DOI：10.15888/j.cnki.csa.009328

• 对抗扰动
• 相对位置编码
• 局部信息增强
• 鲁棒性

预测进阀温度的变化趋势对阀冷系统的运行状态有重要参考价值.针对传统方法存在数据收集时间跨度大和传感器存在误差等问题,本文提出了一种基于对抗扰动和局部信息增强的进阀温度预测模型Robust-InTemp.具体来说, Robust-InTemp通过对原始数据添加基于规则的高斯噪声,并使用基于梯度的对抗训练方法 (projected gradient descent, PGD),增强了模型的泛化能力和抵抗噪声干扰的鲁棒性.同时,引入相对位置编码、一维卷积以及门控线性单元(gated linear unit, GLU),以增强模型对局部特征的学习能力,从而提高预测准确性.实验结果表明,与多种基准模型相比, Robust-InTemp在预测性能和抗干扰能力方面均有明显优势,进一步的消融实验也验证了模型中各个组件的有效性.

• 单位
  南京航空航天大学