摘要：本研究针对高速列车轴承故障诊断中数据稀缺和跨域迁移问题，提出融合机理特征与迁移学习的智能诊断方法。首先基于轴承试验数据提取时频域复合特征（31维），随机森林模型在源域取得83.3%准确率；进而采用MMD对齐-模型微调-半监督增强的迁移策略，使目标域诊断精度提升20%-30%；最后通过SHAP/LIME等可解释技术验证模型决策与故障机理的一致性。结果表明，该方法在保持诊断准确性的同时有效提升了

本文针对产品订单数据开发了多粒度需求预测模型。研究采用相关性分析方法量化价格、区域、销售方式等8个因素对需求量的影响，并基于梯度提升树构建了日/周/月预测模型。模型通过数据预处理、特征降维等步骤，最终选用月度预测模型输出结果。研究探讨了不同时间粒度对预测精度的影响，为产品需求预测提供了多因素分析和组合预测方法。关键词：ARIMA、机器学习、多因素分析。

本文针对低空飞行器在城市应用中的湍流风险问题，构建了多模型协同技术体系。首先建立基于风廓线雷达和微波辐射计的湍流强度廓线模型a，并优化仅依赖风廓线的模型b，使相关系数达0.95以上；其次整合多源数据构建三维湍流场模型c，实现85%的有效覆盖率；最后开发短时预警模型d（基于数值预报）和模型e（观测外推），并设计最优航路规划算法，可使湍流代价降低30%-40%。研究为低空飞行安全提供了从监测到决策的完

本文基于贝叶斯优化CNN-LSTM混合模型，结合K-means聚类和SARIMA时间序列分析方法，对电商平台商家-产品-仓库组合的需求量进行预测。通过对331,336条历史数据进行预处理和特征提取，构建了包含季节性、趋势性等多维特征的预测模型。采用1-wmape、RMSE等指标评估模型性能，并在促销活动期间考虑特殊需求模式。研究结果可为电商平台提供科学的库存管理决策支持，有效降低库存成本并提高履约

【摘要】本研究基于问卷调查数据，运用熵权法-TOPSIS模型评估人工智能对大学生学习的影响。通过数据预处理和K-Means聚类分析，构建包含学习效率、学术质量等5个维度的评价体系（权重最高为AI工具应用0.2873）。研究发现：AI显著提升学术成果质量（得分0.6289）和学习动力，但对学习自主性影响较小（权重仅0.063）。分析表明AI工具在课后消化和教学辅助方面需求突出，同时需关注使用安全性和

In order to ensure the normal operation of the detector, it is very necessary to study the thermal transmitter based on thermal photovoltaic technology, which can not only reduce the energy consumptio

BP神经网络适用于机器人控制、组合优化、模式识别、图像信息处理，能够对非线性数据建立精确的模型，对其未来进行预测。其核心思想是：将已预处理好的数据放到神经网络的微分方程进行反复训练，通过大量的训练建立BP神经预测模型，在此基础上再对其他数据进行预测。.........

摘要：经过一段时间的学习，就个人而言，数学建模总的可以分为预测模型、评价模型、分类模型和优化模型，这四大模型又可以细分为具体某种算法的小模型，如以下列表所示：

摘要随着国家的发展，国防安全的需要，我国的航天航空事业也日益强盛。事业强盛的背景后则需要各大领域的最大优化，各大领域又需要各个更小的部件的最大耦合，而一个合格且优质的部件则是各个领域的知识的最大整合。航空使用的涡轮风扇发动机主要分两类，即不加力式涡轮风扇发动机和加力式涡轮风扇发动机，前者主要用于高亚音速运输机，后者主要用于歼击机。航空发动机按温度的高低可分为低温部分和高温部分；按结构主要可以分为进

BP神经网络适用于机器人控制、组合优化、模式识别、图像信息处理，能够对非线性数据建立精确的模型，对其未来进行预测。其核心思想是：将已预处理好的数据放到神经网络的微分方程进行反复训练，通过大量的训练建立BP神经预测模型，在此基础上再对其他数据进行预测。.........