工业时间序列是反映生产过程的结构化数据。工业时间序列的分析和预测对优化工业流程、提升效率具有重要意义。而工业生产过程的动态变化导致时间序列数据分布漂移，使得传统静态预测模型无法长期保持高效性。传统的模型更新方法如重新训练的计算和存储成本高昂，增量微调的方式易导致已学模式的灾难性遗忘。这限制了现有模型在非平稳工业环境中的应用效果。
中国科学院沈阳自动化研究所提出了面向非平稳工业时间序列预测的自适应持续学习（ACL）方法，提升了预测模型的适应性和泛化能力。相关研究成果以An Adaptive Continual Learning Method for Nonstationary Industrial Time Series Prediction为题，发表在IEEE Transactions on Industrial Informatics上。
该研究从网络训练和网络结构两个方面改进了持续学习方法。研究通过基于提示的网络参数学习保留了先前任务的“暗知识”，缓解灾难性遗忘，并引入软记忆缓冲区使模型能够更好地学习当前任务，进而在稳定性与可塑性之间实现平衡。进一步，研究在网络结构层面提出了时间敏感的激活函数TimeRelu，使网络激活阈值随时间变化，从而提高了模型的泛化能力。这一方法在开源的太阳能发电数据集和实际的磨矿分级过程数据集上验证了有效性。
这一成果有望应用于智能矿山、钢铁冶金等复杂工业场景中的预测性维护和生产过程优化等场景。下一步，该团队将针对任务划分的自动化和概念漂移检测等问题开展研究，探讨元学习等前沿技术在增强模型动态适应能力方面的潜力。
研究工作得到国家自然科学基金和辽宁省重点研发项目的支持。
面向非平稳时间序列预测任务的持续学习框架
持续学习任务示意图
11月7日，东南大学交通学院官网教师栏目更新信息显示，毛国强已任东南大学首席教授、智能驾驶与智慧交通研究中心主任、 石油、冶金、食品、制药等工业生产过程会产生大量的含油废水。其中，乳化剂稳定的油水乳液在后续处理时最为棘手。如何高 中新社柏林11月9日电 维也纳消息：当地时间8日，沙特阿卜杜勒阿齐兹亲王国际水奖(Prince Sultan Bin Abdulaziz Internation 真核细胞依赖形态的动态变化来执行多种功能，以维持基本生物过程并调控细胞行为。单细胞捕食性原生动物长吻虫的形态与天鹅相似。其中，常见种天鹅长吻虫因此得名。长吻虫细胞在结构上划分为三个部分，即从后端到前端 学龄前时期是儿童身心发展的重要阶段，学前教育是国民教育体系的重要组成部分。习近平总书记强调：“要加强对基础教育的支持力度，办好学前教育。”为实现“幼有所育”，规范和促进学前教育发展，满足 中国教育报-中国教育新闻网讯（记者 任朝霞）10月30日，2024年世界职业院校技能大赛总决赛争夺赛（高职组）农林牧渔赛道园林景观设计与施工赛项在上海农林职业技术学院实训基地闭幕。来自全国58所职业 。本文链接：科研人员提出面向非平稳工业时间序列预测的自适应持续学习方法http://www.sushuapos.com/show-12-473-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。