-
基于多源数据融合与数字孪生的船用设备动态评估框架及应用
针对复杂海洋环境(高湿度、高盐度、多源干扰、故障类型多样)中的诊断挑战,研究人员以船用离心风机为对象,构建了融合数字孪生(Digital Twin)和多源异构感知(Multi-source Heterogeneous Sensing)的智能状态评估框架。振动、
来源:International Journal of Naval Architecture and Ocean Engineering
时间:2026-07-13
-
分形引导的贝叶斯神经网络(BNN)用于可解释概率负荷预测
准确的负荷预测对于现代电力系统的可靠和经济运行至关重要。然而,可再生能源(renewable energy sources)和电动汽车(electric vehicles)的日益整合给负荷动态带来了显著的不确定性,使得传统的确定性预测方法越来越不足。为了解决这
来源:Global Energy Interconnection
时间:2026-07-13
-
基于物理信息神经网络的实时电力碳流计算
准确高效的电力碳流计算对于电力碳排放追踪、低碳调度和责任分配至关重要。然而,解析电力碳流计算方法依赖于显式潮流计算,导致计算成本高昂,而纯数据驱动方法可能违反物理约束。为克服这些局限性,研究人员提出了一种基于物理信息神经网络(Physics-Informed
来源:Global Energy Interconnection
时间:2026-07-13
-
基于鲁棒数据驱动计算框架的建筑能耗模式综合短期分析
研究人员引入了一种混合优化方法,用于短期负荷预测(short-term load forecasting),该方法利用人工神经网络(artificial neural network, ANN),在径向基函数神经网络(radial basis function
来源:Global Energy Interconnection
时间:2026-07-13
-
几何多重网格神经网络
研究人员提出了几何多重网格神经网络(Geometric Multigrid Neural Networks, GMNN),一种用于点云和曲面几何深度学习的新型网络结构。卷积神经网络(CNN)面临一个常见挑战:如何将相关特征在更长距离上进行通信?该架构通过几何多
来源:Computer Aided Geometric Design
时间:2026-07-13
-
基于物理信息神经网络的加氢处理反应器氮滑浓度预测:完整与简化动力学约束的比较
研究人员提出了一种混合物理信息神经网络(PINN)框架,用于预测加氢处理(HDT)反应器的氮滑浓度。该研究旨在通过结合机理动力学知识与数据驱动建模,解决传统纯数据驱动人工神经网络(ANN)在面对未见原料时泛化能力差的问题,同时克服复杂机理动力学模型在预测精度上
来源:Digital Chemical Engineering
时间:2026-07-13
-
数据驱动的各向异性细化策略用于LR B样条曲面逼近三维散乱点云
研究人员提出了一种用于自适应样条逼近(adaptive spline approximation)中特征检测(feature detection)的神经网络(neural network)。检测到的特征直接驱动模型重建(model reconstruction
来源:Computer-Aided Design
时间:2026-07-13
-
考虑组分属性的铁尾矿非收敛行为预测的软计算技术
预测非符合地质材料的非收敛特性至关重要,因其行为具有不可预测性。影响其力学行为的重要因素之一是组分(化学与矿物学)。本文提出考虑组分属性的软计算技术用于预测铁尾矿的非收敛行为。研究人员采用人工神经网络(ANN)与自适应神经模糊推理系统(ANFIS)来预测铁尾矿
来源:Applied Computing and Geosciences
时间:2026-07-13
-
基于机器学习驱动的遗传算法的风能系统优化
风能在现代电力系统中的渗透率不断提高,要求采用先进的控制策略,以便在变化和不确定的风况下保持高效率和可靠运行。传统的控制方法,如比例-积分-微分(PID)控制器和固定参数优化方法,在面对风波动和系统非线性时往往表现出有限的适应性。为了应对这些挑战,研究人员提出
来源:Advances in Wind Engineering
时间:2026-07-13
-
英格兰神经残疾青少年在11至22岁期间的死亡风险:一项利用健康和教育数据链接进行的全国性队列研究
背景
死亡率风险从儿童期到成年早期上升。患有神经发育障碍(neurodisability,指导致功能受限的神经系统疾病)的青少年在从儿科向成人服务过渡期间可能特别脆弱。
目标
评估英格兰11至22岁患有和不患有神经发育障碍的青少年全因和死因别死亡
来源:Paediatric and Perinatal Epidemiology
时间:2026-07-13