摘要
本发明提供一种特征重要性驱动的水轮机轴瓦温度预测模型，涉及能源与动力工程领域，本发明提出特征重要性模块，通过分析决策树在节点分裂过程中对均方误差的降低程度，量化各输入特征对预测目标的影响，从而实现对特征重要性的有效评估。将提取的特征重要性转化为可学习的加权参数，并融入主干模型的输入特征中，以增强关键特征的表达和抑制冗余特征的干扰，增强其在水轮机轴瓦温度预测任务中的表达能力和预测精度。实验结果表明，FETSM在多个时间步上的预测精度明显优于最先进的模型，在均方误差和平均绝对误差这两个评估指标上均表现良好，验证了该模型在水轮机轴瓦温度预测中的有效性和鲁棒性。
