本發(fā)明屬于關(guān)鍵參數(shù)長期退化趨勢預(yù)測，涉及一種面向電子系統(tǒng)的多表征退化預(yù)測方法及相關(guān)設(shè)備。

背景技術(shù)：

1、在探討整機(jī)計(jì)算機(jī)系統(tǒng)的可靠性時(shí)，其退化過程中的關(guān)鍵表征參數(shù)扮演著至關(guān)重要的角色。這些參數(shù)能夠精準(zhǔn)且科學(xué)地反映出計(jì)算機(jī)在各類應(yīng)用場景下的性能穩(wěn)定性和可靠性需求。舉例來說，晶振作為整個(gè)系統(tǒng)的時(shí)間基準(zhǔn)，它的任何參數(shù)退化都會(huì)直接影響到整個(gè)系統(tǒng)的運(yùn)行時(shí)序，從而可能引發(fā)時(shí)序錯(cuò)亂等一系列問題。同樣，光耦的參數(shù)變化以及接口晶振參數(shù)的退化，也會(huì)對通訊波形的波特率產(chǎn)生顯著影響，導(dǎo)致通訊數(shù)據(jù)出現(xiàn)偏差或超差，進(jìn)而影響到整個(gè)系統(tǒng)的通訊質(zhì)量和穩(wěn)定性。然而，在當(dāng)前的計(jì)算機(jī)關(guān)鍵參數(shù)退化長期預(yù)測任務(wù)中，我們面臨著一個(gè)嚴(yán)峻的挑戰(zhàn)：針對電子系統(tǒng)中的每一個(gè)不同關(guān)鍵表征，都需要單獨(dú)部署一個(gè)預(yù)測模型來進(jìn)行預(yù)測。這種做法不僅極大地增加了計(jì)算資源的需求，還使得整個(gè)預(yù)測系統(tǒng)的構(gòu)建、維護(hù)和優(yōu)化變得異常復(fù)雜和繁瑣。此外，隨著系統(tǒng)復(fù)雜性的不斷提升，以及關(guān)鍵表征參數(shù)的日益多樣化，單一預(yù)測模型已經(jīng)難以充分捕捉和區(qū)分這些不同表征的復(fù)雜性，從而限制了預(yù)測結(jié)果的準(zhǔn)確性和可靠性。

2、為了盡可能全面且合理地反映整機(jī)計(jì)算機(jī)的退化趨勢，我們需要對多種表征參數(shù)的變化趨勢進(jìn)行準(zhǔn)確預(yù)測。但現(xiàn)有的單一預(yù)測模型在處理這種多樣性數(shù)據(jù)時(shí)顯得力不從心，無法同時(shí)滿足對不同表征參數(shù)的精準(zhǔn)預(yù)測需求。如果采用設(shè)計(jì)多個(gè)獨(dú)立模型的方法，雖然可能在一定程度上提升預(yù)測效果，但也會(huì)帶來開發(fā)和維護(hù)成本的顯著增加，同時(shí)還可能導(dǎo)致計(jì)算資源的浪費(fèi)和整個(gè)預(yù)測系統(tǒng)復(fù)雜性的提升。因此，如何設(shè)計(jì)并實(shí)現(xiàn)一個(gè)能夠同時(shí)處理多種表征和變化趨勢的預(yù)測模型，以提高模型在處理多樣性數(shù)據(jù)方面的能力，成為當(dāng)前亟待解決的關(guān)鍵問題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于解決現(xiàn)有技術(shù)中對多種表征參數(shù)的變化趨勢進(jìn)行預(yù)測時(shí)都需要單獨(dú)部署一個(gè)預(yù)測模型來進(jìn)行預(yù)測的技術(shù)問題，提供一種面向電子系統(tǒng)的多表征退化預(yù)測方法及相關(guān)設(shè)備。

2、為了達(dá)到上述目的，本發(fā)明采用以下技術(shù)方案予以實(shí)現(xiàn)：

3、第一方面，本發(fā)明提供一種面向電子系統(tǒng)的多表征退化預(yù)測方法，包括：

4、獲取時(shí)間序列和序列類別，對所述時(shí)間序列進(jìn)行表征趨勢分解，得到指示向量作為表征表示；

5、基于所述時(shí)間序列對序列類別和指示向量進(jìn)行深度融合，得到最終輸出；

6、將所述最終輸出輸入時(shí)序預(yù)測模型中，得到最終預(yù)測的時(shí)間序列，完成多表征退化預(yù)測。

7、進(jìn)一步的改進(jìn)在于：

8、對所述時(shí)間序列進(jìn)行表征趨勢分解得到指示向量具體包括：

9、對所述時(shí)間序列進(jìn)行全局趨勢分解，得到全局趨勢特征；

10、對所述時(shí)間序列進(jìn)行局部趨勢分解，得到局部趨勢特征；

11、將所述全局趨勢特征和局部趨勢特征拼接得到指示向量。

12、對所述時(shí)間序列進(jìn)行全局趨勢分解，得到全局趨勢特征具體包括：

13、對所述時(shí)間序列進(jìn)行次卷積和非線性激活處理，得到全局趨勢特征。

14、對所述時(shí)間序列進(jìn)行局部趨勢分解，得到局部趨勢特征具體包括：

15、對所述時(shí)間序列進(jìn)行應(yīng)用快速傅里葉變換將特征映射到頻域，并通過可學(xué)習(xí)的線性變換進(jìn)行頻域操作；隨后通過逆傅里葉變換還原到時(shí)域，得到局部趨勢特征。

16、基于所述時(shí)間序列對序列類別和指示向量進(jìn)行深度融合，得到最終輸出具體包括：

17、對所述序列類別進(jìn)行詞嵌入處理，得到嵌入向量，所述嵌入向量通過高維映射轉(zhuǎn)化為調(diào)制參數(shù)；

18、基于所述指示向量生成動(dòng)態(tài)加權(quán)掩碼；

19、將所述調(diào)制參數(shù)和動(dòng)態(tài)加權(quán)掩碼進(jìn)行逐元素相乘，生成調(diào)制特征；

20、對所述調(diào)制特征進(jìn)行下采樣處理后，通過殘差連接與時(shí)間序列相加，生成最終輸出。

21、基于所述指示向量生成動(dòng)態(tài)加權(quán)掩碼具體包括：

22、對所述指示向量進(jìn)行上采樣并展平，再依次通過兩個(gè)兩個(gè)全連接層和使用非線性激活函數(shù)激活后生成動(dòng)態(tài)加權(quán)掩碼。

23、所述非線性激活函數(shù)包括relu函數(shù)和sigmoid函數(shù)。

24、第二方面，本發(fā)明提供一種面向電子系統(tǒng)的多表征退化預(yù)測系統(tǒng)，包括：

25、表征趨勢分解模塊，用于獲取時(shí)間序列和序列類別，對所述時(shí)間序列進(jìn)行表征趨勢分解，得到指示向量作為表征表示；

26、表征感知融合模塊，用于基于所述時(shí)間序列對序列類別和指示向量進(jìn)行深度融合，得到最終輸出；

27、最終預(yù)測模塊，用于將所述最終輸出輸入時(shí)序預(yù)測模型中，得到最終預(yù)測的時(shí)間序列，完成多表征退化預(yù)測。

28、第三方面，本發(fā)明提供一種電子設(shè)備，包括存儲(chǔ)器、處理器以及存儲(chǔ)在所述存儲(chǔ)器中并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述面向電子系統(tǒng)的多表征退化預(yù)測方法的步驟。

29、第四方面，本發(fā)明提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述面向電子系統(tǒng)的多表征退化預(yù)測方法的步驟。

30、與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益效果：

31、本發(fā)明公開了一種面向電子系統(tǒng)的多表征退化預(yù)測方法，其核心在于設(shè)計(jì)了一種高效的多表征兼容特征融合模塊。該模塊通過兩個(gè)關(guān)鍵步驟——表征趨勢分解和表征感知融合，實(shí)現(xiàn)了對復(fù)雜時(shí)序表征數(shù)據(jù)的深度挖掘與高效處理。首先，表征趨勢分解模塊能夠精準(zhǔn)捕捉輸入數(shù)據(jù)的長期趨勢與短期動(dòng)態(tài)變化。這一特性使得模型能夠更全面地理解數(shù)據(jù)的內(nèi)在規(guī)律，無論是長期穩(wěn)定的趨勢走向，還是短期的波動(dòng)與變化，都能被準(zhǔn)確捕捉并反映在指示向量中。這種對數(shù)據(jù)的深入洞察，為后續(xù)的深度融合與預(yù)測提供了堅(jiān)實(shí)的基礎(chǔ)。其次，表征感知融合塊則利用標(biāo)簽信息生成調(diào)制參數(shù)，并與動(dòng)態(tài)加權(quán)掩碼相結(jié)合，實(shí)現(xiàn)了表征特征的深度融合。這一過程不僅提升了模型對不同表征特征的敏感度與判別力，還顯著增強(qiáng)了模型的魯棒性。通過動(dòng)態(tài)加權(quán)掩碼，模型能夠智能地調(diào)整不同表征特征的重要性，從而實(shí)現(xiàn)對關(guān)鍵特征的精準(zhǔn)識(shí)別與利用。綜上所述，本發(fā)明提出的多表征退化預(yù)測方法，通過多表征兼容特征融合模塊的設(shè)計(jì)，實(shí)現(xiàn)了對多種時(shí)序表征數(shù)據(jù)的高效處理與精準(zhǔn)預(yù)測。該方法不僅顯著提升了模型的適應(yīng)能力、判別力與魯棒性，還為復(fù)雜時(shí)序數(shù)據(jù)的處理提供了可靠的技術(shù)支持。因此，本發(fā)明具備廣泛的應(yīng)用潛力，有望在未來推動(dòng)電子系統(tǒng)退化預(yù)測技術(shù)的進(jìn)一步發(fā)展。

技術(shù)特征：

1.一種面向電子系統(tǒng)的多表征退化預(yù)測方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的面向電子系統(tǒng)的多表征退化預(yù)測方法，其特征在于，對所述時(shí)間序列進(jìn)行表征趨勢分解得到指示向量具體包括：

3.根據(jù)權(quán)利要求2所述的面向電子系統(tǒng)的多表征退化預(yù)測方法，其特征在于，對所述時(shí)間序列進(jìn)行全局趨勢分解，得到全局趨勢特征具體包括：

4.根據(jù)權(quán)利要求2所述的面向電子系統(tǒng)的多表征退化預(yù)測方法，其特征在于，對所述時(shí)間序列進(jìn)行局部趨勢分解，得到局部趨勢特征具體包括：

5.根據(jù)權(quán)利要求1所述的面向電子系統(tǒng)的多表征退化預(yù)測方法，其特征在于，基于所述時(shí)間序列對序列類別和指示向量進(jìn)行深度融合，得到最終輸出具體包括：

6.根據(jù)權(quán)利要求1所述的面向電子系統(tǒng)的多表征退化預(yù)測方法，其特征在于，基于所述指示向量生成動(dòng)態(tài)加權(quán)掩碼具體包括：

7.根據(jù)權(quán)利要求6所述的面向電子系統(tǒng)的多表征退化預(yù)測方法，其特征在于，所述非線性激活函數(shù)包括relu函數(shù)和sigmoid函數(shù)。

8.一種面向電子系統(tǒng)的多表征退化預(yù)測系統(tǒng)，其特征在于，包括：

9.一種電子設(shè)備，包括存儲(chǔ)器、處理器以及存儲(chǔ)在所述存儲(chǔ)器中并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)權(quán)利要求1-7任一項(xiàng)所述面向電子系統(tǒng)的多表征退化預(yù)測方法的步驟。

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1-7任一項(xiàng)所述面向電子系統(tǒng)的多表征退化預(yù)測方法的步驟。

技術(shù)總結(jié)
本發(fā)明公開了一種面向電子系統(tǒng)的多表征退化預(yù)測方法及相關(guān)設(shè)備，屬于關(guān)鍵參數(shù)長期退化趨勢預(yù)測技術(shù)領(lǐng)域。方法包括獲取時(shí)間序列和序列類別，對所述時(shí)間序列進(jìn)行表征趨勢分解，得到指示向量作為表征表示；基于所述時(shí)間序列對序列類別和指示向量進(jìn)行深度融合，得到最終輸出；將所述最終輸出輸入時(shí)序預(yù)測模型中，得到最終預(yù)測的時(shí)間序列，完成多表征退化預(yù)測。本發(fā)明提出的多表征退化預(yù)測方法，通過多表征兼容特征融合模塊的設(shè)計(jì)，實(shí)現(xiàn)了對多種時(shí)序表征數(shù)據(jù)的高效處理與精準(zhǔn)預(yù)測。該方法不僅顯著提升了模型的適應(yīng)能力、判別力與魯棒性，還為復(fù)雜時(shí)序數(shù)據(jù)的處理提供了可靠的技術(shù)支持。

技術(shù)研發(fā)人員：毛遠(yuǎn)宏,馬鐘,李宇楠,劉曦,王寧,賀鵬超,周美娟,柴波
受保護(hù)的技術(shù)使用者：西安微電子技術(shù)研究所
技術(shù)研發(fā)日：
技術(shù)公布日：2025/4/28