申请/专利权人：南京理工大学

申请日：2023-12-20

公开（公告）日：2024-03-22

公开（公告）号：CN117745094A

主分类号：G06Q10/0637

分类号：G06Q10/0637;G06Q50/26;G06F16/2458

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明公开了一种基于FEDAF模型的战场关键资源状态预测方法。该方法的关键包括FEAFM计算机制下的FEAFM‑s和FEAFM‑c计算方法，以及FDDecomp时间序列分解法。该方法包括步骤：数据采集以及预处理；预处理后的资源关键性能指标时间序列数据输入进编码器；在编码器中经过FEAFM‑s，将序列从时域通过FFT变换到频域并进行注意力计算；将结果进一步输入至FDDecomp，进行时间序列分解以及降噪；而后输入进解码器；再分别经过FEAFM‑c和FDDecomp；最终对分解完成的趋势项和季节项进行加权求和得到输出。本发明降低了指挥信息系统在对作战资源进行状态预测时所耗费的计算开销，并缓解了数据漂移带来的不利影响，提升了对战场关键资源状态预测的效果。

主权项：1.一种基于FEDAF模型的指挥信息系统关键资源状态预测方法，其特征在于，包括以下步骤：步骤1:数据采集与预处理；将温度、湿度、加速度这些传感器部署于指挥信息系统的关键资源中，采集表征关键资源状态的时间序列，并将采集到的时间序列经过“去异常值”、“平稳化”、“归一化”的预处理，按照时间窗口进行划分；步骤2:将预处理后的数据输入至FEDAF模型的编码器，包括CPU利用率、温度、湿度，可形式化为I表示输入长度，N表示编码器层数，D表示嵌入维度；将X输入到编码器Encoder中，得到： 其中，表示第l个编码器层的输出，l为第l层，N为编码器层数；在编码器内部，数据将依次经过FEAFM-s注意力计算机制和FDDecomp频域降噪时序分解模块；编码器将输出高阶时间序列特征；步骤3:将步骤2中编码器输出的高阶时间特征输入进解码器： 其中，表示第l个编码器层的输出表示第l-1层的趋势项，是历史嵌入值的输入；I表示输入长度，M表示解码器层数；在解码器内部，高阶时间特征将依次经过FEAFM-c注意力计算机制、FEAFM-s注意力计算机制以及FDDecomp频域降噪时序分解模块；解码器将输出预测特征；步骤4:对解码器输出预测特征的趋势性分量和季节性分量进行加权，得到输出；下式中表示权重，Oout表示输出：

全文数据：

权利要求：

百度查询： 南京理工大学 一种基于FEDAF模型的指挥信息系统关键资源状态预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD