张量迁移引导的Attention BI ON-LSTM预测模型
朱文雅
陈熠名
徐益楠
江苏科技大学 镇江 212003
摘要：备件需求预测作为企业精益化管理和提升经济效益的重要手段之一.针对传统预测模型数据利用不充分、精度较低等问题,论文提出了一种新的方法对备件需求进行预测.首先通过最大均值差异(MMD)方法,筛选可迁移的源域数据,降低因多个相似源域迁移引起信息冗余的可能性.然后将注意力机制(Attention)和双向有序长短时记忆网络(BI ON-LSTM)融合,构造Attention BI ON-LSTM预测模型,通过Attention BI ON-LSTM模型实现对过去和未来信息的充分应用,以及计算不同特征向量的权重,防止包含重要信息的特征消失;最后,通过张量迁移,提取源域训练的张量初始化目标域模型,微调后得到目标域预测结果.实验结果证明,论文提出的方法优于常见的时间序列预测模型.
关键词：最大均值差异注意力机制双向有序长短时记忆网络张量迁移时间序列预测
分类号：TP183(自动化基础理论)
论文发表日期：2025-12-20
在线出版日期：2026-03-09（本平台首次上网日期，不代表文献的发表时间）
页数：6( 3372-3377 )
英文信息