地下管网非开挖领域 DeepSeek-R1 融合多模态时序数 据的故障预测模型优化研究

作者：徐猛 卓奕君 丁锐

单位：1 中国城乡集团控股有限公司（中交集团新产业发展事业部），北京 100029 ； 2 北京信息科技大学机电工程学院，北京 102206； 3 沈阳市皇姑区合祥天智智能科技有限公司，沈阳 110000

邮箱：

中文摘要：随着边缘计算在工业物联网中的广泛应用，地下管网故障诊断模型的轻量化部署成为亟待解决的关键问题。传统基 于深度学习的诊断模型（如 ResNet、Transformer）因参数量庞大，难以满足边缘设备严格的存储与实时性要求。本研究 提出一种面向 DeepSeek-R1 大语言模型的轻量化压缩框架，通过多粒度混合剪枝、硬件感知动态量化与编译时内存优化 技术，实现模型参数量压缩至原尺寸的 15%，推理速度提升 3.2 倍。实验表明，在合成管网数据集与 UCR 时序基准上， 压缩后模型分类 F1 值达 89.3%，推理延迟≤ 10ms，内存占用降低至 312MB。本研究为边缘侧时序 - 空间联合特征建模 提供了理论突破，并开源跨平台压缩工具链，支持 ARM/RISC-V 硬件自动适配。

中文关键词：模型压缩；边缘计算；DeepSeek-R1；硬件感知量化；编译优化

英文摘要：

英文关键词：