基于Transformer的船舶故障预测研究

为了解决循环神经网络不能并行训练导致的在时间性能上的缺陷，对Transformer架构应用于船舶运行的趋势预测进行研究，并围绕Transformer设计一套更高效的故障预测方法。在数据预处理上，设计了一种滑动窗口的方法筛选平稳数据，取得了良好的结果；在故障诊断上，使用多项式回归，通过对历史数据的训练，在测试集上获得了较高评分；在趋势预测上，使用Transformer架构，经过训练可以做出较为精准的预测，并在与GRU网络的比较中体现出了显著的性能优势。综合来看，所设计的方法有一定实践意义。