研究提出两阶段残差学习TSRL框架

Talha Ansar等作者提出两阶段残差学习（TSRL）框架，用于热力系统的建模强度感知与领域约束优化。该框架以人工神经网络为基础：先由基础ANN预测过程输出，再由残差ANN学习其带符号残差。 研究在原油蒸馏装置的817条仿真观测和395 MW工业燃气轮机的运行记录上对该框架进行了验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。