利用机器学习的数字化孪生模型用于预测和决策优化：在污水处理中的应用
本研究提供了数字孪生技术在城市物流网络中的应用框架，包括城市物流的关键因素、数字孪生技术的本体论、学习能力和优化能力，以及定量模型。此外，我们还对数字孪生技术在城市物流中的应用进行了调查，并讨论了潜在的研究效益和局限性。
Feb, 2023
对于非线性动力系统的数字孪生，其基本要求是能够生成系统的演化并预测潜在的灾难性紧急行为，以提供早期警示。数字孪生可以实时用于系统的 “健康” 监测和预测问题的解决。构建非线性动力系统的数字孪生有两种方法：稀疏优化和机器学习。本文描述了这两种方法的基本概念并讨论了它们的优势和注意事项。
Sep, 2023
使用传递学习方法，将来自开源模拟模型和另一废水处理厂的知识转移到工业废水处理厂，从而提高预测性能。测试和验证性能分别提高了 27% 和 59%。
Jan, 2024
该研究提出了一个数字孪生框架，应用于石油和天然气工业中的气举过程，旨在提高数字孪生系统的稳健性和适应性。该框架结合了贝叶斯推断、蒙特卡罗模拟、迁移学习和不确定性管理等技术，为数字孪生系统提供高效、可靠、值得信赖的识别，并致力于改进复杂实际场景中的决策过程。
Nov, 2023
提出了 Deep Energy Twin 解决方案，将深度学习和数字孪生集成在一起来更好地理解建筑能源使用情况，提高能源效率。使用本体论创建参数化的数字孪生来提供建筑中不同系统之间数据格式的一致性。
May, 2023
本文提出了一个数字化框架，通过权衡每个层次的利弊，制定数字孪生系统的评价标准，评估所选数字孪生系统对组织流程、策略和价值创造的影响，来帮助实践者选择数字孪生系统中的适当复杂度，同时提出数字孪生系统能提供诸如预测、模拟、人工智能和机器学习等新兴能力的误用选择可能带来的风险。三个实际案例证明了该框架的应用和实用性。
Jan, 2022
本研究提出了一种基于预测性数字孪生的方法，用于土木工程结构的健康监测、维护和管理规划，通过动态贝叶斯网络建模实现了实时的结构健康诊断和故障预测，并利用此信息用于动态决策框架中的维护和管理行动的优化规划。通过两个综合案例研究，验证了该方法对健康感知数字孪生的动态决策能力。
Aug, 2023
利用机器学习、操作员协助系统和技术算法等，基于废纸生产纸张过程中大量数据的利用，实现减少能源消耗，支持环保和运行优化。
Jun, 2022
本文旨在探究数字孪生技术在工业 4.0 时代的应用及相关研究，主要通过文献综述和数字孪生建模技术分类探讨数字孪生建模所使用的不同建模技术、建模工具和优化方法，并提供该领域未来发展的趋势和研究方向。
Aug, 2022