少参数高精度重建
通过共享潜在动力学特性，该框架可在部分观测和噪声条件下实现高精度流场重建，并推广至缺失参数的系统。
王子豪 · 张桂勇 · 孙铁志 · Sun, Zhe · Zhang, Zhi-Fan · 周博
Nonlinear Dynamics 2026
采用时间延迟拉普拉斯特征映射（TDLE-KNN）进行降维，能够在噪声干扰下保持流场重建的精确性。
框架能够在不完整数据情况下保持稳定性，利用共享动力学信息处理缺失参数。
对稀疏或不完整数据集具有良好的泛化能力，能够在部分参数缺失时准确预测系统行为。