集成残差校准与注意力机制的储层观察器
机器学习
2026-04-13 v1 混沌动力学
摘要
储层观察器为非线性动力系统从观测变量推断未测变量提供了数据驱动方法。尽管已有研究表明其适用性广泛，但不同输入变量下的性能差异显著，甚至在最坏情况下可能影响可靠性。为提升推断性能，我们将残差校准与注意力机制集成到储层观察器设计中。残差校准模块利用估计残差信息细化观察器输出，注意力机制则利用数据的时序依赖性丰富储层内部动力学的表征。针对典型混沌系统的实验表明，我们的方法显著提升了推断精度，尤其在传统储层观察器导致的最坏情况下效果尤为突出。我们还引入传递熵概念，解释输入相关性观察差异的原因以及所提方法的有效性。
引用
@article{arxiv.2604.08592,
title = {Reservoir observer enhanced with residual calibration and attention mechanism},
author = {Yichen Liu and Wei Xiao and Tianguang Chu},
journal= {arXiv preprint arXiv:2604.08592},
year = {2026}
}