声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1421/N
国际刊号：1000-7857
发布日期:
作者：郭启文, 张玉龙, 张欣, 李德杰, 汪昕, 张海霞, 王宇涵
单位：1东北大学深部金属矿智能开采与装备全国重点实验室，沈阳110819；2山东建筑大学土木工程学院，济南250101；3中交第二航务工程局有限公司，武汉430040；
关键词：含噪多变量预测,卡尔曼滤波,长短期记忆网络,Transformer,贝叶斯优化
基金：国家重点研发计划项目(2023YFC2907303)
多变量长时序数据的精准预测是环境监测、交通调度、工业预警等领域实现主动防控的核心需求，此类数据普遍面临强噪声干扰、非线性交互及长短期特征耦合的共性挑战[1−3]。露天矿开采作为全球资源供应的核心支柱，在推动工业发展与经济增长的同时，其粉尘污染因广泛性、持久性和高危害性，已成为威胁人体健康、破坏生态环境及损害生产设备的突出问题[4−7]。受现场复杂作业环境与多要素交互影响，粉尘浓度时序数据同样存在上述共性难题，导致传统被动治理措施效果有限[8−9]。由此可见，发展兼顾噪声处理与多尺度特征建模的预测方法，不仅对露天矿粉尘污染防控至关重要，更可为跨领域同类问题提供借鉴。
来源：2026年第6期
《科技导报》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。