近日，计智学院本科生孙双厚、吴思琦为共同第一作者，魏从信博士为通讯作者和指导老师的研究论文“HHO-optimized adaptive decomposition and parameter transfer for nonlinear time-series forecasting”在中科院一区TOP期刊《Expert Systems with Applications》（IF 9.4）发表。
论文首页
复杂非线性非平稳信号的自适应分解与跨方法知识迁移，是信号处理与人工智能交叉领域的前沿难题。传统分解依赖人工经验，方法间结构知识难以复用。文章提出了HHO驱动的自适应分解与选择性参数迁移框架：自动优化VMD的模态数K和惩罚因子α，并将K迁移至FBD，构建HHO-FBD，实现从“单方法调参”到“跨方法结构知识复用”的范式转变。其理论创新在于证明了K可共享和α不可照搬的迁移依据与适用边界，为跨方法复用信号结构信息提供理论支撑。
文章的HHV-FBD-LSTM 模型和框架
该方法具有良好的通用性与可迁移性，其核心思想不依赖特定数据或特定分解方法。在GNSS地壳形变监测数据上验证有效后，可进一步拓展至风速、气象、能源、交通和金融等复杂非线性时间序列预测场景。面向国产北斗导航卫星应用，该方法为AI新技术服务北斗形变监测数据处理、提升北斗数据产品在地质监测与地质灾害早期识别中的应用价值提供了新路径。
在国家自然科学基金项目支持下，魏从信团队面向地壳形变监测与北斗产品应用等国家需求，开展有目的、有组织的科研，将本科生科研训练嵌入真实课题。该两位学生完成的“基于深度学习的地质灾害多维位移数据协同分析与智能预警系统”获国家级大学生创新创业训练计划项目立项并顺利结项。计智学院坚持以真实课题牵引本科生“真题真做”，鼓励学生从工程数据中凝练科学问题，在方法设计、理论推导和实验验证中形成原创成果，逐步探索出“项目支撑-科研训练-竞赛检验-成果产出”的本科生科研育人路径。（图/文：周宝俊；初审：来明展；终审：李琪飞）
甘公网安备 62010302000641号
