在众多数据驱动的领域，如机器学习、信号处理等，高质量的数据对于模型的训练和性能提升至关重要。然而，实际应用中常常面临数据稀缺、数据不平衡等问题。生成对抗网络（Generative Adversarial Networks，GAN）作为一种强大的生成模型，能够通过对抗训练机制学习数据的分布，并生成与真实数据相似的样本。1D - GAN 则专注于一维数据的生成，在时间序列数据生成、音频处理等方面具有广

在时间序列预测领域，准确预测对于许多领域的决策制定至关重要，如金融市场分析、能源需求预测和气象预报等。单一的预测模型往往在处理复杂时间序列时存在局限性。为了克服这些不足，将不同的方法进行融合成为一种趋势。本文聚焦于结合自回归积分滑动平均（ARIMA）、麻雀搜索算法（SSA）优化的长短期记忆神经网络（LSTM），即 ARIMA - SSA - LSTM 模型，旨在提升时间序列预测的精度和稳定性。

自动驾驶技术近年来取得了显著进展，但确保其安全性和可靠性仍是面临的关键挑战。在复杂多变的交通环境中，车辆可能会遭遇各种异常情况，如传感器故障、道路突发状况或其他交通参与者的异常行为等。准确检测这些异常行为对于保障自动驾驶车辆的安全运行至关重要。交互多模型（IMM）过滤作为一种强大的状态估计方法，为自动驾驶异常行为检测提供了有效的解决方案。

二、基于 AIC 的三变量最优 Copula 函数选择三、三变量联合概率计算四、应用场景与注意事项。

随着电力市场的多层次化发展，现货电能量市场与调频辅助服务市场的协同运营成为优化资源配置的关键方向。储能凭借其快速响应、灵活调节的特性，在两个市场中均具备显著参与优势。然而，电能量市场的价格波动与调频服务的调用随机性存在强耦合关系，单一市场的决策难以实现收益最大化。因此，构建 “市场报价 - 运行优化” 的双层交易决策模型，成为储能在现货电能量 - 调频辅助服务市场中实现高效参与的核心课题。一、市场

本文针对单级式高效率光伏微逆并网系统，聚焦双有源桥（Dual Active Bridge, DAB）拓扑结构的微逆变器，基于Plecs仿真平台完成全流程仿真复现。核心目标是复现单级式DAB微逆变器的高效能量转换、光伏并网控制及零电压开关（ZVS）实现过程，验证系统在不同工况下的效率、电能质量及动态响应性能，确保仿真模型可直接复用、参数可调整，满足IEEE 1547并网标准要求，为后续硬件开发提供高

本研究复现的核心目的的是验证改进秃鹰算法（Improved Bald Eagle Search Algorithm, IBES）在微电网群经济优化调度中的有效性与优越性，复现原文中算法改进逻辑、微电网群优化模型构建、仿真实验及结果分析的全流程，确保每一步推导、建模、计算均可重复，解决传统秃鹰算法（BES）在微电网群调度优化中易陷入局部最优、收敛速度慢的问题，同时验证改进算法在降低微电网群运行成本、

在三相逆变器系统中，输出滤波器对于提高电能质量起着关键作用。LC 滤波器因其结构简单、成本低等优点被广泛应用。然而，传统的 LC 滤波器设计方法往往基于固定的系统参数和工况，在实际运行中，系统参数的变化以及负载的不确定性会影响滤波器的性能。模型预测控制（MPC）作为一种先进的控制策略，能够考虑系统的未来动态行为，实现对逆变器的有效控制。将神经网络与模型预测控制相结合，应用于带输出 LC 滤波器的三

风电作为一种重要的可再生能源，其功率的准确预测对于电力系统的稳定运行、调度规划以及能源管理至关重要。然而，风电功率受到多种复杂因素的影响，如风速、风向、温度、气压等，具有很强的波动性和不确定性。传统的预测方法在处理这些复杂的多变量数据时往往存在局限性。本文提出一种基于变分模态分解（VMD）、时间卷积网络（TCN）和双向门控循环单元（BiGRU）的组合模型，旨在提高多变量输入下单步风电功率预测的精度

在众多科学和工程领域，如物理、生物、金融等，扩散过程是描述物质或信息传播的重要模型。传统的扩散模型基于整数阶导数，然而，越来越多的研究表明，具有分数阶导数的扩散模型能更好地刻画现实世界中许多复杂的、具有记忆和长程依赖特性的扩散现象。当考虑到环境等因素的不确定性时，引入随机效应来完善分数扩散模型就显得尤为必要。非参数估计方法则为准确推断这类复杂模型的参数和特性提供了有力工具，无需对模型的具体形式做出