研究人员开发了一种机器学习代理模型，用于预测相互依赖的电力和通信网络中的级联故障。该模型利用梯度提升，与高保真模拟器实现了高度相关性，从而能够快速对关键组件进行排序，以加强基础设施的韧性。该代理模型通过整合层间依赖信息来提高有效性，其性能优于传统的拓扑中心性度量。 AI
影响 通过预测级联故障，为关键基础设施实现更快、更有效的韧性规划。
排序理由 详细介绍用于网络分析的新机器学习模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2607.08918v1 Announce Type: new Abstract: Cyber-physical power systems are vulnerable to cascading failures caused by tight interdependencies between power and communication infrastructures. Evaluating these failures over large N-k contingency sets with a high-fidelity simu…