热点事件持续更新
研究团队提出Graph-informed Kriging风电场布局优化框架
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月28日，研究人员在arXiv发表成果，提出用于风电场布局高样本效率贝叶斯优化的 Graph-informed Kriging 框架。该方法通过将风电场表示为有向气动图并嵌入交互信息，在稀疏数据条件下显著提升了年发电量（AEP）预测精度。实验表明，该方法在 IEA Wind Task 37 基准中仅用约 280 次评估即达到具有竞争力的解，并在 16 台和 48 台风机测试中的表现均优于普通 Kriging 与多保真 Kriging。
AI 根据报道生成 · 5 小时前更新
最新进展10月28日 12:00
研究团队提出Graph-informed Kriging框架，显著提升风电场布局优化样本效率。报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv 机器学习用于风电场布局高样本效率贝叶斯优化的 Graph-informed Kriging 模型
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。
本事件热度走势
当前热度 9·可比范围峰值 10（10月28日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。