近日，第二十二届中国研究生数学建模竞赛圆满落幕，国家绿色通信与网络国际联合研究中心研究生在本届赛事中表现亮眼，共有三支队伍脱颖而出，分别荣获二等奖两项、三等奖一项，展现了研究中心在通信、智能感知、机器学习及工程应用等方向的扎实科研基础与创新能力。

中国研究生数学建模竞赛由教育部学位管理与研究生教育司指导，由中国学位与研究生教育学会、中国科协青少年科技中心主办，是“中国研究生创新实践系列大赛”的重要主题赛事之一。竞赛旨在面向全国在校研究生，推动数学建模在实际应用场景中的探索，促进研究生科研创新意识、工程实践能力与团队协作精神的全面提升。本届赛事由中国矿业大学承办，组委会秘书处设在东南大学，比赛时间为 2025 年 9 月 21 日至 9 月 25 日。竞赛吸引了国内外众多高校与科研机构的研究生团队参加，竞争激烈、水平高、影响广。

本年度竞赛中，研究中心学生围绕低空飞行安全、智能故障诊断、机器学习迁移学习等关键技术挑战展开研究，在复杂问题建模能力、工程系统分析以及数据驱动方法的创新应用等方面展现了深厚功底。

获得二等奖的第一支队伍由彭晓煊、张思乐、董云亮组成，其作品《基于多源数据融合的低空湍流监测及最优航路规划》聚焦低空经济快速发展背景下的飞行安全问题。随着载人机与无人机在近地层的活动频次持续提升，湍流监测与避让需求愈发迫切。然而百米量级的涡旋结构难以被传统数值天气预报系统解析，现有气象观测手段在时空覆盖与可观测量方面也存在限制。该团队通过融合地面自动气象站、风廓线雷达、天气雷达等多源数据，构建三维湍流强度模型，实现对低空湍流的更连续、定量化刻画，并进一步应用于飞行预警与航路优化，为低空飞行安全提供了创新性解决方案。

另一支获得二等奖的队伍由张克勤、李雨婷、周蓉组成，作品题为《基于 EEMD 降噪与 LightGBM 架构迁移学习的高速列车轴承故障诊断方法》。滚动轴承作为高速列车运行的关键基础部件，其故障诊断直接关系运行安全。然而真实故障样本稀缺，使基于深度学习的数据驱动方法在实际应用中面临困难。该团队提出结合 EEMD 信号降噪与 LightGBM 模型的迁移学习方案，利用台架实验环境下的源域数据实现向实际列车轴承状态的有效迁移，提高了小样本条件下故障诊断的准确性与泛化能力，为铁路系统高可靠度运行提供了新思路。

获得三等奖的团队由汪正宇、詹胜、聂余长钊组成，其作品《高速列车轴承智能故障诊断问题》同样围绕轨道交通装备安全展开研究。团队基于提供的台架实验数据进行信号处理与特征提取，构建多种深度学习模型对轴承状态进行判别，并结合迁移学习理论探索模型在实际运行环境中的适用性。作品从数据预处理、模型设计到迁移机制解释均具备较强的系统性和创新性。

本次竞赛中，研究中心研究生通过大胆探索、严谨分析和协作攻关，不仅展现了扎实的数学建模与工程能力，也对相关行业领域的技术发展给出了具有潜在应用价值的解决方案。未来，国家绿色通信与网络国际联合研究中心将继续加强研究生人才培养，支持学生参与高水平科技竞赛，推动科研创新成果不断涌现，为我国通信网络、智能系统及工程应用领域的高质量发展贡献力量。