融合VMD降噪与注意力动态证据分配的深度学习方法及系统
本发明属于GIS高压设备在线监测、多源传感信号处理、深度学习、D‑S证据理论交叉技术领域,具体涉及融合VMD降噪与注意力动态证据分配的深度学习方法及系统。本发明包括GIS多参量数据预处理模块、VMD分解与模态注意力降噪模块、GIS温压耦合特征提取模块、双注意力驱动动态BPA分配模块、D‑S多源证据融合与GIS状态决策输出模块、训练优化模块;构建了多约束联合损失函数,通过反向传播算法进行端到端联合迭代训练,实现了全链路协同优化;在VMD分解后引入了轻量化模态注意力网络(MLP+Softmax),并匹配差异化策略,实现了细粒度的自适应分级降噪,解决了统一降噪导致的弱特征湮灭问题;设计了样本注意力分支(Sigmoid激活)和类别注意力分支(Softmax激活)的双分支并行网络结构,实现了数据驱动的动态证据分配,增强了BPA生成的自适应性。