【论文阅读】-周总结-第5周

1. 【论文阅读24】并行 TCN-LSTM 风电预测模型(2024-02)

链接

论文信息

Liu S, Xu T, Du X, et al. A hybrid deep learning model based on parallel architecture TCN-LSTM with Savitzky-Golay filter for wind power prediction. Energy Conversion and Management, 2024, 302: 118122.

内容总结

  • 本文提出并验证了一种用于风电功率预测的新型混合深度学习模型。
  • 核心思路是基于并行结构TCN-LSTM 模型,结合Savitzky-Golay (SG) 滤波器进行数据预处理。
  • 通过SG滤波器去噪,提升输入数据质量,再利用并行TCN和LSTM提取时序特征,最终提高了风电功率预测的准确率。
  • 实验表明,所提方法在多个真实风电场数据集上均优于传统方法和单一模型。

2. 【论文阅读25】PFTF方法:滑坡失稳时间预测(2023)

链接

论文信息

Leinauer J, Weber S, Cicoira A, et al. An approach for prospective forecasting of rock slope failure time. Communications Earth & Environment, 2023, 4(1): 253.

内容总结

  • 本文提出了一种前瞻性失稳时间预测方法(PFTF),适用于滑坡、冰崩等地质灾害的实时或准实时失稳预测。
  • 方法基于改进的反速度法(Inverse Velocity Method) ,结合:
    • 多窗口平滑处理噪声;
    • 迭代更新预测结果;
    • 自动识别加速起点(Onset of Acceleration, OOA)
  • 相比传统方法,PFTF能够在灾害发生前更早、更准确地预测失稳时间,提高了预警系统的实用性。

3. 【贝叶斯定理01】白话贝叶斯(原理篇)

链接

学习笔记

  • 以通俗易懂的方式介绍了贝叶斯定理的基本概念和推导过程。

  • 核心公式为:

    P ( A ∣ B ) = P ( B ∣ A ) P ( A ) P ( B ) P(A|B) = \frac{P(B|A)P(A)}{P(B)} P(A∣B)=P(B)P(B∣A)P(A)

  • 重点理解了:

    • 先验概率、后验概率、似然函数的概念;
    • 贝叶斯推断在实际问题中的应用,比如医疗诊断、故障检测等。

小结

  • 本周在时间序列预测 (TCN-LSTM)、灾害失稳预测 (PFTF)、贝叶斯推断基础这三个方向上进行了学习和积累。
相关推荐
berling0019 小时前
【论文阅读 | ECCV 2024 | DAMSDet:具有竞争性查询选择与自适应特征融合的动态自适应多光谱检测变换器】
论文阅读
红苕稀饭66619 小时前
Ttimesuite论文阅读
论文阅读
有Li1 天前
EndoChat:面向内镜手术的基于事实依据的多模态大型语言模型|文献速递-文献分享
大数据·论文阅读·人工智能·算法·文献·医学生
Vizio<1 天前
《面向物理交互任务的触觉传感阵列仿真》2020AIM论文解读
论文阅读·人工智能·机器人·机器人触觉
Purple Coder1 天前
论文阅读(第4章,page55)
论文阅读
Purple Coder1 天前
论文阅读四-第三章
论文阅读
CV-杨帆1 天前
论文阅读:github 2025 Qwen3Guard Technical Report
论文阅读
铮铭1 天前
【论文阅读】具身人工智能:从大型语言模型到世界模型
论文阅读·人工智能·语言模型
何如千泷2 天前
【论文阅读】ASPS: Augmented Segment Anything Model for Polyp Segmentation
论文阅读
红苕稀饭6662 天前
DynImg论文阅读
论文阅读