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
近日，教育部印发通知部署开展“24365校园招聘服务”全国教育系统2025届高校毕业生招聘活动，积极为高校毕业生与用人单位搭建人才供需精准对接平台，引导更多高校毕业生到教育行业就业，为加快建设教育强国提供有力人才 “黄金考点”“解题模板”等传统“干货”，为何无法激发学生们的学习热情？曾经参与过中考命题的教师李铭（化名）在广东省珠海市第八中学（以下简称“珠海八中”）任教时，遇到了教学生涯新挑战。 城区学校在开展劳动教育时常常面临劳动教育资源不足、劳动场地受限等问题。长沙市长郡芙蓉中学是—所城区学校，校园面积仅29亩，学生达到2100余人。为了满足学生的劳动实践需求，学校在建设和 新时代迈向中国式现代化的学前教育高质量发展离不开有力的法治保障。近日，《中华人民共和国学前教育法》（下称《学前教育法》）颁布。《学前教育法》设专章对幼儿园如何开展保育教育工作予以规范 近年来，学前教育得到快速发展，但仍是国民教育体系的薄弱环节，需要通过立法，贯彻落实党中央、国务院决策部署，破解突出问题，为学前教育高质量发展提供法治保障。在此背景下，《中华人民共和国学前教育 中国教育报-中国教育新闻网讯（记者 杨国良）9月27日，重庆市召开秋季学前教育教研工作会，此次会议以“落实《幼儿园保育教育质量评估指南》提升学前教育质量”为主题，来自重庆市各区县及成渝共同体 。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。