三步框架下的自适应精度感知多重数据同化方法

提出PR-Smoother，一种保持模拟器的摊销平滑器，用于物理数据同化，支持高维非高斯后验分布估计与模拟器校准。

研究负载信息质量如何影响电网控制效果，基于DC功率流模型与Grid2Op风格仿真器，探索数据同化与强化学习结合的控制策略。

提出FREESIA方法，通过协方差感知后验传输解决非线性观测算子下的多模态后验分布估计难题，提升高维稀疏观测条件下的数据同化精度与可扩展性。

提出物理信息逆建模框架，从有限含噪观测数据中推断 Isle Royale 国家公园 Moose-Wolf 生态系统的控制参数，为生态动力学建模提供数据驱动方法。

提出NeSTR方法，通过学习白噪声测试空间有限维子空间上的S变换来重建高斯SPDE的随机解。