arXiv 机器学习· Zhen-Fan Wang, Kai Zhang, Xianping Du, Zhaolong Han, Dai Zhou, Onur Bilgen·· 6 小时前AI 评分27
用于风电场布局高样本效率贝叶斯优化的 Graph-informed Kriging 模型
A Graph-informed Kriging model for sample-efficient Bayesian optimization of wind farm layouts
AI 导读
研究人员提出 Graph-informed Kriging 框架，通过将风电场表示为有向气动图并嵌入交互信息，实现高样本效率的风电场布局贝叶斯优化。该方法在稀疏数据下显著提升年发电量（AEP）预测精度，在 IEA Wind Task 37 基准中仅用约 280 次评估即达到具竞争力的解，并在 16 与 48 台风机测试中表现优于普通及多保真 Kriging。
来源：arXiv 机器学习 · arxiv.org