本研究提出了一种新的纵向表转换器（LTT）模型，以提高电力供应商在自然灾害中估计电力恢复时间（ETR）的准确性。分析了34,000个故障事件后，LTT模型的客户满意度指标平均提高了19.08%。

本研究提出了一种基于联邦学习的框架，联合建模非线性退化信号与故障事件，以提高剩余使用寿命预测的准确性。研究结果表明，该方法在涡扇发动机数据上的表现优于其他方法，具有显著的应用潜力。