【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
墨绿色的摆渡人6 小时前
论文笔记(九十六)VGGT: Visual Geometry Grounded Transformer
论文阅读
DuHz19 小时前
基于MIMO FMCW雷达的二维角度分析多径抑制技术——论文阅读
论文阅读·物联网·算法·信息与通信·毫米波雷达
CV-杨帆19 小时前
论文阅读:ICML 2025 Adversarial Reasoning at Jailbreaking Time
论文阅读
_AaRong_19 小时前
《Hiding Images in Diffusion Models by Editing Learned Score Functions》 论文阅读
论文阅读·人工智能·计算机视觉
youcans_1 天前
【医学影像 AI】一种用于生成逼真的3D血管的分层部件生成模型
论文阅读·人工智能·计算机视觉·3d·生成模型
大象耶1 天前
Mamba与UNet融合的创新架构方向
论文阅读·人工智能·深度学习·计算机网络·机器学习
蜀中廖化1 天前
关于架空输电线识别树障or测距相关论文阅读
论文阅读·深度学习·输电线与杆塔·输电线与树木测距
何如千泷1 天前
【论文阅读】Swin-UMamba: Mamba-based UNet with ImageNet-based pretraining
论文阅读
晚霞apple2 天前
多模态大模型的前沿算法综述
论文阅读·人工智能·深度学习·神经网络·机器学习
DuHz2 天前
基于频率分集阵列的MIMO雷达联合距离角度估计——论文阅读
论文阅读·算法·汽车·信息与通信·毫米波雷达