报告详情
  1. 活动首页
  2. 报告清单
  3. 报告详情
Long-term time series prediction of nuclear power plant data based on deep learning
编号：5 访问权限：仅限参会人 更新：2024-09-04 21:21:15 浏览：83次 口头报告

报告开始：暂无开始时间（Asia/Shanghai）

报告时间：暂无持续时间

所在会场：[暂无会议] [暂无会议段]

暂无文件

摘要
核电系统是一个复杂的系统，涉及许多相互连接的子系统和大量的传感器数据。在运行过程中，系统的安全性和稳定性非常重要。为了保证核电厂的安全运行，实时监测和预测系统的长期数据趋势就显得尤为重要。长期的时间序列数据预测可以帮助识别和预防潜在故障，提高设备的维护效率，但目前的数据模型已经不能满足实际应用的需求。为了解决这个问题，本文提出了一种基于Transformer深度学习模型的变体框架，该框架可以捕获数据中的复杂模式和长期依赖性，以提供更准确和更持久的预测结果。同时，Transformer特别擅长处理大规模数据和并行计算，适用于核电系统的大规模数据计算。本文采用包含高维参数的核电系统仿真模型进行验证。实验结果表明，与传统的时间序列模型相比，所提出的深度学习框架在保证计算精度的同时，能够实现时间跨度更长的参数预测任务。
关键词
nuclear power plant,transformer,long-term,deep learning
报告人
Linjun Yang
哈尔滨工程大学

稿件作者
Linjun Yang 哈尔滨工程大学
Bo Wang 哈尔滨工程大学
发表评论
验证码 看不清楚，更换一张
全部评论
重要日期

  • 会议日期

    09月23日

    2024

    至

    09月25日

    2024

  • 09月24日 2024

    报告提交截止日期

  • 09月25日 2024

    注册截止日期

主办单位
Harbin Engineering University (HEU)
联系方式
登录查看完整联系方式
历届会议
移动端
在手机上打开
小程序
打开微信小程序
客服
扫码或点此咨询