本研究提出了一种数据驱动的替代建模框架，用于快速预测粗糙表面接触中的有效接触面积。通过多种机器学习算法，核岭回归模型在准确性和效率上表现最佳，适合多次查询任务。

本研究提出了一种基于大型语言模型的软传感建模新框架LLM-TKESS，旨在解决数据驱动软传感器建模中的复杂性和数据单一性问题。该模型通过辅助变量编码器和双阶段微调策略，在小样本条件下展现出优异的预测能力，具有工业应用潜力。

本研究提出了一种基于大型语言模型的交通系统建模框架，旨在克服现有代理模型在行为真实性和资源需求方面的局限性。该框架能够有效模拟人类旅行者的决策与互动，具有改善交通系统建模与仿真的潜力。

本文提出了一种基于运算器学习的时空数据驱动建模框架，能够利用短期时间序列数据进行长期模拟，并通过混合优化方案提高预测准确性。该框架结合偏微分方程和有限元方法，展示了在流体力学和热传导等领域的应用潜力，具有较高的可解释性和训练效率。

本文介绍了一种连续时空数据驱动建模框架，研究了其性能和分辨率不变性。通过短期时间序列数据进行稳定长期模拟，提出的混合优化方案能更好地预测长期统计数据。