知识和数据驱动的多时间尺度采样系统建模方法
针对多时间尺度采样系统快采样变量的信息难以充分利用,建模信息不足的问题,提出一种知识和数据驱动的多时间尺度采样系统的模糊迁移学习建模方法,建立多时间尺度采样系统模型,提高建模精度.首先,设计滤波插补方法填补慢采样变量的空缺值,统一慢采样变量和快采样变量为慢时间尺度,利用慢时间尺度变量建立目标模型.其次,提出模型共享机制补充目标模型的建模信息,统一慢采样变量和快采样变量为快时间尺度,利用快时间尺度变量建立参考模型,将参考模型中充足的模型知识迁移到目标模型中.最后,利用参考模型的知识和目标模型的数据学习目标模型的参数,提高目标模型的精度.将提出的建模方法应用于理论数据集,实验证明该方法可以充分挖掘建模信息,建立高精度的多时间尺度采样系统模型.
多时间尺度采样系统、知识和数据驱动、模糊迁移学习、滤波插补方法、模型共享机制、挖掘建模信息
49
U461;TP308(汽车工程)
国家重点研发计划;国家自然科学基金;国家自然科学基金
2023-04-19（万方平台首次上网日期，不代表论文的发表时间）
共8页
395-402
