4秒预测误差降41%
融合差分注意力与iTransformer，在3-5秒长序列预测中显著优于传统模型，动态适应振动幅度变化。
Zhiwei, Xu · Jiulin, Zhang · Liming, Xu · 顾玉宛 · 戎海龙 · 吕继东 · 邹凌
Computers and Electronics in Agriculture 2026
通过iTransformer强化长序列依赖建模，有效缓解梯度消失，使模型在3~5秒窗口内误差大幅低于GRU、BiLSTM和Transformer。
差分注意力模块实时优化注意力权重，动态适应果实振动幅度的变化，在复杂振动场景下预测精度显著提升。
将位置特征替换为时间步间的位置增量，时间戳特征替换为时间差，避免大数值位置特征对训练的影响，加速收敛。