学院新闻
当前位置: 学院首页 >> 学院新闻 >> 正文

    我院邱钊教授团队在工业信息学顶级期刊IEEE TII发表长时程时间序列预测研究成果

    2026年09月03日 17:01 点击:

近日,海南大学计算机科学与技术学院邱钊教授团队在国际顶级期刊IEEE Transactions on Industrial Informatics(IEEE TII)上发表题为“UniWave: A Multi-Scale Wavelet Model for Long-Term Time Series Forecasting”的研究论文。该论文提出了一种基于多尺度离散小波分解的长时程时间序列预测模型 UniWave,通过联合时频域分析与多尺度特征建模,有效解决了工业数据中普遍存在的非平稳性与多尺度波动难题,为工业智能化预测提供了新的技术路径。

IEEE Transactions on Industrial Informatics是工业信息学与智能制造领域公认的国际顶级学术期刊,最新影响因子为9.8,系中科院一区TOP期刊

1 UniWave模型整体框架


核心创新:多尺度小波分解与时序调制融合

1. 多尺度小波分解:突破非平稳工业数据的建模瓶颈

工业时间序列数据通常具有长程依赖、多尺度变化和复杂动态模式等特征,传统的频域分析方法(如傅里叶变换)虽能提取周期性信息,却会丢失关键的时序定位信息,难以适应非平稳的工业动态。针对这一难题,UniWave引入多尺度离散小波分解(Multi-Scale Wavelet Decomposition)模块,对原始序列进行层次化的时频联合分解。通过递归分解,将信号逐层拆解为低频近似系数与高频细节系数,分别捕捉长期趋势与短期波动,实现了从长期趋势到短期波动的多粒度动态模式建模。

与傅里叶变换不同,小波变换在时域和频域均具有紧支撑特性,能够在保留频率信息的同时精确定位时序位置,从而有效适应工业流数据中频漂、突变等非平稳行为。此外,UniWave在分解前引入可逆实例归一化(RevIN,通过逐样本的标准化处理缓解数据分布偏移对模型训练的影响。

2. Wavelet Patch:细粒度局部模式感知

为进一步捕捉工业场景中关键的局部时序模式,UniWave设计了Wavelet Patch机制。该模块对各小波尺度分量采用滑动窗口进行固定长度分块,将变长的多尺度子序列映射为结构统一的Patch令牌。这一设计使得模型能够聚焦于设备运行中的短时波动、生产温度骤升等局部事件,避免此类关键信息在全局聚合中被稀释。

3. 时序调制编码器(TME):动态融合局部与全局信息

为有效整合多尺度、多粒度的时序信息,UniWave提出了时序调制编码器(Temporal Modulation Encoder, TMETME采用三支路架构设计:主分支通过时序池化与一维卷积提取局部上下文特征;调制分支生成动态权重向量,实现沿时序维度的自适应特征调制;残差分支保留原始Patch信息以维持梯度稳定性与长程趋势建模。三支路输出融合后,实现了局部细节与全局趋势的协同建模。


实验验证:七大数据集全面超越主流基线

研究团队在ETTh1ETTh2ETTm1ETTm2WeatherElectricityTraffic等七个公开基准数据集上开展了大量实验,涵盖了工业传感器数据、气象数据、电力负荷数据等多种类型。实验结果表明,UniWave在不同预测步长(96192336720)下均取得最优或次优性能:

· 在非平稳性最强的ETT工业数据集上,UniWave相比TimeXerETTm1ETTm2MSE分别降低6.5%9.7%

· 在与WaveForM的对比中,UniWaveElectricityTrafficWeather数据集上MSE分别降低13.4%32%12.6%

· 参数效率方面,UniWave仅以1.28M参数量1.56G FLOPs的计算开销,显著优于TimesNet36.78M)、Autoformer10.54M)等主流模型,展现出优异的轻量化优势。

鲁棒性验证:直面工业数据不完美

针对工业场景中普遍存在的数据缺失、异常值等实际问题,研究团队进一步在10%随机缺失5%异常值的污染数据上测试了UniWave的鲁棒性。实验表明,模型性能退化幅度控制在9%以内,验证了UniWave对缺失值、离群点和概念漂移的良好耐受性。

该论文第一作者为海南大学计算机科学与技术学院邱钊教授2023级硕士研究生袁丁海南大学为第一完成单位。合作者包括来自国内多所高校与研究机构的科研人员。

邱钊,现任海南大学计算机科学与技术学院教授,博士/硕士生导师。海南省南海名家,海南省高层次人才C类(2019-2024),海南省人才团队“深度强化学习技术研究及成果转化创新团队”带头人。主要研究方向包括计算机视觉、医学图像处理、人工智能、深度学习等。主持/参与了包括海南省重点研发(揭榜挂帅)、国家自然科学基金、海南省自然科学基金等多项科研项目。担任海南省计算机学会理事长、海南省网络安全协会理事长(2017-2022),近五年在计算机视觉领域发表SCI期刊和CCF会议文章18篇。


原文链接https://ieeexplore.ieee.org/document/11649527/


撰稿:邱钊

初审:刘燕芳

复审:程德波

终审:王红英




海南大学计算机科学与技术学院
  • 地址:海南省海口市人民大道58号
  • 电话:0898-66278203 66278201 邮箱:cs@hainanu.edu.cn
  • 院长信箱:zhuxf@hainanu.edu.cn 书记信箱:990920@hainanu.edu.cn
  • 美工支持/中旗网络
  • 海大公众号 学院公众号