基于变分模态分解和自动编码器的PIN二极管温度特性预测

提出融合变分模态分解（VMD）和自编码器的预测方法，将温升特性曲线分解成若干个子信号分量，其中包含高频的波动量、中间量和低频的趋势量，然后利用自编码器对每个分量进行预测，最后将分量的预测值相加，从而实现对PIN二极管温升特性曲线的精准预测。通过与多种机器学习方法的对比验证了结合VMD分解可有效提升预测精度，同时也验证了自编码器在特性曲线拟合上的优势。