A Risk-Aware Calibration Framework for TSMixer-Based Remaining Useful Life Prediction
以 TSMixer 为预测骨干,在原始剩余寿命预测之后加入风险感知校准,重点处理维护决策中“晚预测风险更高”的非对称问题。
宏观平均 RMSE13.4270 → 13.1846
宏观平均 NASA Score656.75 → 582.90
我还在科研训练的起步阶段,但已经越来越确定:我喜欢把现实问题拆成数据、模型和决策,再耐心地把它做清楚。
这不是已经发表的成果,而是一份还在继续打磨的研究初稿。它让我第一次更完整地经历从问题定义、实验设计到结果解释的过程。
以 TSMixer 为预测骨干,在原始剩余寿命预测之后加入风险感知校准,重点处理维护决策中“晚预测风险更高”的非对称问题。
我不想只摆奖项。更重要的是,在每个项目里我具体做了什么,以及它给我留下了什么。
我的角色:团队成员,负责路演 PPT 与展示呈现。
结果:安徽省大学生创新大赛高教主赛道金奖。
我的角色:需求端分析、路演 PPT 制作。
项目方法:问卷调研、决策树、K-means++、XGBoost、SEM、差距分析等。
结果:“正大杯”全国总决赛三等奖。
我的角色:MCM/ICM 参赛队员,参与建模与分析。
关键词:动态磨损、行人流模式、反向推断、MATLAB。
结果:Honorable Mention(H 奖)。
我的角色:统计建模与机器学习。
方法:ARIMA 建模震级时间序列,XGBoost 处理空间预测与特征重要性。
我的角色:主要完成人,负责建模、算法与分析。
方法:FFT、非线性优化、多光束干涉、Bootstrap 稳健性检验。
结果:全国大学生数学建模竞赛安徽赛区本科组二等奖。
把机器学习的预测能力和管理决策中的风险、需求与行为问题结合起来。比起追求“模型更复杂”,我更在意结果能不能解释、能不能被可靠地使用。
这些课程构成了我现在做数据分析、建模和管理决策问题的基础。
奖项不是全部,但它们记录了我认真投入过的阶段。
但我愿意继续读、继续做,也愿意在一次次复盘里把方向慢慢做实。