生成对抗小波神经运算器:多变量时间序列数据的故障检测和隔离应用
原文中文,约600字,阅读约需2分钟。发表于: 。提出了一种新的无监督深度学习方法,即生成对抗小波神经算子(GAWNO),用于多元时间序列过程的故障检测和隔离。该方法结合了小波神经算子和生成对抗网络(GANs)的优势,有效地捕捉底层系统中不同变量的时间分布和空间依赖关系,并通过基于重构误差的阈值方法来检测和隔离故障。通过在正常操作条件下的数据集上训练 GAWNO,并使用 Tennessee Eastman...
本文介绍了使用GANO的数据驱动模型,能够根据震级、破裂距离、顶部30米时间平均剪切波速度和构造环境或断层风格条件生成振动加速度时间历程。经验证和评估,结果显示该模型能够恢复震级、距离和VS30尺度,并生成一致的中位数尺度。该模型应用于风险定位地面运动的特定场地工程应用。