本研究提出了一种新型墙压力谱经验模型，解决了气动翼型后缘噪声预测的鲁棒性问题。该模型基于人工智能符号回归方法，适用于不同翼型和流动条件，验证结果显示其准确性优于传统模型，并与Amiet理论结合用于风力发电机噪声预测。

德国研究人员发布了一个包含36台风力发电机的数据集，其中包含了最详细的故障信息。他们提出了一个新的评分方法，利用该数据集的信息深度来识别异常检测模型。该评分方法考虑了异常检测的性能、正确识别正常行为的能力以及尽可能少出现虚警的能力。