eess 篇论文 | Gist.Science

本研究通过对弗赖堡迪滕巴赫区的考察，旨在展示社区共享储能系统如何有效地利用二次利用的电动汽车电池作为一种可持续且经济的解决方案，同时强调了制定标准化法规以确保安全可靠实施的紧迫性。

本研究提出了一种结合物理信息与不确定性量化的人工智能代理模型，该模型利用一种新型流变热损失指数和集成学习技术，能够快速且准确地预测阿曼原油管道中的热损失与水力损失，为传统的计算流体力学（CFD）提供了一种快速、可解释的替代方案，以实现实时运行优化。

本研究开发了一种贝叶斯—确定性随机框架，利用2014年加赞地震源为沙特阿拉伯拜什大坝生成具有物理可追溯性的地震需求情景，旨在建立条件工程筛选包络线，同时识别未来有限断层评估中的破裂长度约束及不确定性驱动因素。

本研究通过低温纳米银烧结技术，证明了将功率芯片直接键合至无金属化氰酸酯复合基板的可行性，实现了高初始剪切强度和良好的热老化可靠性，且长期性能最终受限于基板的热降解而非界面失效。

本研究结合了精选的文献数据库、机器学习与过程碳核算，旨在证明虽然水泥的二氧化碳养护可以产生净碳效益，但这一正向平衡对电力碳强度和供应链假设高度敏感。

本研究表明，尽管尼日尔的一个农村光伏-风能混合微网在理想化的调度假设下看似具有盈利性，但其财务可行性受到调度不可靠性、储能成本和收入回收等未计量因素的严重削弱，因此必须从基于发电量的经济评估转向基于交付量的经济评估，以实现准确的银行可融资性评估。

本文提出了一种数据驱动的滑动窗口贝叶斯推理框架，该框架将二氧化碳-温度网络模型与稀疏传感相结合，以联合估计随时间变化的热参数、气流和人员占用情况，从而实现建筑内精确的瞬态多区域温度预测及不确定性量化。

本文提出了一种结构-频率引导扩散（SFGD）模型，该模型通过集成结构交叉引导模块和时间自适应频率调制，有效地对 $\gamma$ -光子流场图像进行去噪，在保持结构细节和恢复图像质量方面显著优于基准扩散模型。

本文介绍了一种新型聚焦超声振动磨粒喷射抛光系统，详细阐述了其理论分析、结构优化及实验验证，以证明其在推进磨粒喷射抛光技术方面的有效性。

本文提出了一种与车载自组织网络（VANETs）相结合的自适应软件定义网络（SDN）辅助交通信号控制框架，该框架利用实时交通数据动态优先处理拥堵道路，从而与传统方法相比，显著减少了延迟、燃油消耗和排队长度，同时提升了网络性能指标。