计算机工程

作者：陈浩, 党政, 黑新宏, 赵彤, 张杰

单位：1. 西安理工大学计算机科学与工程学院, 陕西 西安 7100482. 中国飞行试验研究院飞行试验总体技术研究所, 陕西 西安 7100893. 中国飞行试验研究院测试技术研究所, 陕西 西安 710089

关键词：空天地多层次算力网络,数字孪生,逻辑靶场,负载预测,变分模态分解

基金：国家重点研发计划(2022YFB2602203)

在空天地多层次算力网络背景下, 针对数字孪生逻辑靶场中因负载数据复杂性和非平稳特征带来的精准预测挑战, 提出融合格拉姆转场(GAF)、卷积神经网络(CNN)、通道注意力机制的压缩与激励网络(SENet)和门控循环单元(GRU)的GCSG模型。GCSG模型通过GAF将一维负载数据转换为二维图像, 利用CNN提取局部特征, 使用SENet优化特征重要性, 采用GRU捕捉时序特征, 实现了高效的特征融合和精准预测。此外, GCSG模型采用融合麻雀搜索算法(SSA)的变分模态分解(VMD)对负载数据进行平稳化处理, 进一步提高了预测性能。实验结果表明, GCSG模型在不同数据长度下均表现出优异的预测精度和稳定性, 且在多步预测任务中同样表现突出。因此, GCSG模型显著提升了负载数据的预测精度, 为空天地算力网络中的数字孪生系统负载预测提供了强有力的解决方案。

来源：2025年第5期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第5期