arXiv ID:
2604.27234
涡扇发动机剩余使用寿命预测:经典方法、CNN与LSTM的比较研究 / Remaining Useful Life Estimation for Turbofan Engines: A Comparative Study of Classical, CNN, and LSTM Approaches
1️⃣ 一句话总结
本研究在NASA公开的涡扇发动机数据集上,系统比较了经典回归模型、一维卷积神经网络和长短时记忆网络在预测设备剩余使用寿命上的性能,发现简单的单层LSTM网络能以较低计算成本取得优于更复杂模型的预测精度,而XGBoost这种传统方法在某些情况下同样具备竞争力。