关键词： 国内统一刊号   四川省教育厅   《学报》   常设栏目   综合性学术期刊   智能制造   电子信息   成都工业学院  

摘要： 《成都工业学院学报》创刊于1996年,双月刊,是四川省教育厅主管、成都工业学院主办的综合性学术期刊,国内外公开发行。中国标准连续出版物号:ISSN 2095-5383,国内统一刊号CN51-1747/TN。《学报》常设栏目有:智能制造、电子信息、应用基础、应用型人才培养、经济与社会、文化与传承。

关键词： 人工智能   智能媒体   大模型   算法  

摘要： 人工智能技术的广泛运用深刻改变着互联网新闻平台的产业格局。在人工智能的赋能下,依托互联网平台进行的新闻工作呈现出再加速化、高度智能化和基础设施化的三重形变,新闻工作者也在这个过程中增加工作内容转换个人身份。然而,在这三重形变后人工智能所暴露的论题问题还悬而未决。人工智能技术虽然提高了生产效率,但仍然需要人的监督和校对,欲使用生成式AI在互联网新闻平台中创造更大价值,势必要破除对技术的过度迷信,思考如何在变革中进一步掌握技术、规避风险。

关键词： 人工智能   ChatGPT   正文化思维  

摘要： 人工智能大模型ChatGPT的面世,在对工业社会具有革命性意义的同时,也被人们看出“它有远超核武器的危险”。尽管有马斯克与千名专家联名呼吁叫停,但ChatGPT仍在推出新的版本,并有Sora“文生视频”的出现。由此看来,其发展势头难以阻挡,只能兴利除弊,因势利导。在包括对话生成模型在内的具身智能开发中同步进行正文化的思维训练是必要的,以便把人们的外在担忧变成智能本身的内在素养。

关键词： 致密气藏   产水量   LSTM   机器学习  

摘要： 近年来,机器学习在石油领域中得到了广泛应用,现采用LSTM神经网络模型对致密气井产水量进行预测研究。以某气藏P101-2H井组为例,选取了油管压力、套管压力、套管温度和日产气量4种影响因素作为特征输入变量,以日产水量作为目标输出变量,对数据集进行预处理和特征选择。基于数据预处理的结果将数据集划分为训练集和验证集,结合超参数和训练集数据,进行LSTM模型的训练,模型在验证集上的准确性和可靠性表现较佳。该方法具有一定的实用价值,能够降低致密气井产水量预测的工作难度,从而对产水气井进行优化配产以控制或减缓气藏水侵。In recent years, machine learning has been widely used in the petroleum field, and now the LSTM neural network model is used to predict the water production of tight gas wells. Taking the P101-2H well group in a gas reservoir as an example, four influencing factors, namely, tubing pressure, casing pressure, casing temperature and daily gas production, were selected as feature input variables, and daily water production was taken as the target output variable, so that the data set was preprocessed and feature selection was carried out. Based on the results of data preprocessing, the dataset is divided into training set and validation set, combining the hyperparameters and training set data, the LSTM model is trained, and the model performs better in terms of accuracy and reliability on the validation set. The method has some practical value and can reduce the work difficulty of water production prediction in tight gas wells, so as to optimize the production allocation of water-producing gas wells to control or slow down the reservoir water intrusion.

关键词： 汛期水位预测   粒子群算法   长短期记忆   机器学习   平原河网  

摘要： 基于水位、流量、降水量长序列数据资料,构建了采用粒子群优化(PSO)算法进行超参数寻优的长短期记忆(LSTM)神经网络模型(PSO-LSTM模型),对位于江南运河苏州吴江段平原河网中心的平望站的汛期水位进行了预见期为1~3 d的短期预报,并与基于PSO算法的支持向量机(SVM)、随机森林(RF)、卷积神经网络(CNN)以及门控循环单元(GRU)模型的水位预测结果进行了对比,同时探究了水利工程对水位预报精度的影响。结果表明:对于预见期为1~3 d的短期预报,PSO-LSTM模型具有较高的预测精度,但随着预见期的增长,预测精度逐渐降低;相较于PSO-SVM、PSO-RF、PSO-CNN和PSO-GRU模型,PSO-LSTM模型的平均绝对百分比误差更低,预测效果更好;PSO-LSTM模型能够较有效地进行汛期平原河网的水位预测,且加入水利工程等人工调控影响因素能够提升水位预测效果。

关键词： 智能制造   切削加工   系统  

摘要： 利用工业机器人技术、数控加工技术、工业以太网技术、机器视觉和数字化设计制造技术等实现实现制造业生产过程的自动化、数字化和智能化。探讨了智能制造切削加工系统的组成、控制架构、工作流程,该设计可以减少产品的不合格率,缩短了加工的辅助时间,大大提高了生产效率,提高系统加工的柔性,缩短了机床的辅助时间,大大提高了生产效率,提高了机床的柔性,具有重要的现实意义,尤其为高职院校的专业建设和转型提供了思路,具有很强的借鉴性。

关键词： 运动生物力学   拮抗动作   运动训练   杠铃高悬垂位实力抓举   借力单杠双力臂动作   机器学习算法  

摘要： 基于借力单杠双力臂动作中的身体姿势变化设计其拮抗训练动作——杠铃高悬垂位实力抓举,并使用机器学习算法验证与量化不同重量的杠铃高悬垂位实力抓举与借力单杠双力臂动作的拮抗关系。招募有经验的综合体能训练爱好者10名,通过线性传感器计与惯性测量单元采集借力单杠双力臂动作和杠铃高悬垂位实力抓举动作的运动生物力学数据,使用一维统计参数映射(SPM1D)和动态时间规整(DTW)机器学习算法,验证与量化两者之间的拮抗关系。结果显示:两个动作在肩关节外展内收、内旋外旋、屈曲伸展以及肘关节内旋外旋上,存在拮抗关系。当杠铃重量约60%1RM(1次最大重量)时,两个动作的动力学数据拟合度最佳;当杠铃重量低于60%1RM时,两个动作的关节运动的拮抗关系更加显著。研究认为:杠铃高悬垂位实力抓举动作与借力单杠双力臂动作存在拮抗关系,可用其来优化借力单杠双力臂动作的训练效果,但杠铃配重需要根据训练目标和训练者能力进行调整。当训练目标为提升上肢爆发力时,可使用约60%1RM的杠铃配重,而当训练目标为提升借力单杠双力臂动作技巧时,则可用低于60%1RM的杠铃配重。

关键词： 梨树   高光谱   机器学习   深度学习   养分含量  

摘要： 为了实现梨树生长和结果时期对于梨树养分的精准和及时地监测,进一步为梨树施肥管理及梨果品质提升提供保障和调整策略,养分监测十分重要。使用ASD FieldSpec3高光谱仪获取梨树果实膨大期和成熟期的叶片高光谱数据,采集叶片氮磷钾含量信息。对比分析原始反射率、一阶导数变换(FD)、卷积平滑算法(SG)、标准正态变量变换法(SNV)等光谱预处理方法对于高光谱反射率监测模型拟合效果的影响。利用主成分分析(PCA)、竞争自适应重加权抽样(CARS)和连续投影算法(SPA)选择高光谱数据的特征波段。之后,使用偏最小二乘法回归(PLSR)、支持向量回归(SVR)、随机森林(RF)、梯度提升树(GBDT)、卷积神经网络(CNN)、深度森林(DF)算法建立基于特征波段的监测模型,筛选梨树氮磷钾3种营养元素的最优高光谱监测模型。结果表明,深度学习算法DF具备较好的处理高光谱数据的能力。氮元素的最佳建模组合为SG-SNV预处理的PCA特征波段的DF回归模型(R^(2)=0.9283,RMSE=0.2381 g·kg^(-1));磷元素的最佳建模组合为SG-SNV预处理的SPA特征波段的GBDT回归模型(R^(2)=0.9367,RMSE=0.0431 g·kg^(-1));钾元素的最佳建模组合为SG-SNV预处理的PCA特征波段的DF回归模型(R^(2)=0.9544,RMSE=0.2767 g·kg^(-1))。基于高光谱特征波段的监测模型拟合效果良好(R^(2)>0.9),可以实现梨树果实膨大期和成熟期氮磷钾含量的准确监测。

关键词： 人工智能   智慧海洋  

摘要： 智慧海洋探索涉及海洋资源利用、海洋环境保护等各个方面,为更好地提升智慧海洋建设的实效,需要将人工智能技术融入其中,探索智慧海洋建设的新思路和技术措施。本文将结合智慧海洋的发展情况进一步分析,探讨人工智能技术在智慧海洋建设中的应用,了解二者结合的意义,明确注意事项,以期为相关人员提供参考。

关键词： 新质生产力   化学工业   人工智能   数字驱动   人才培养  

摘要： 从化学工业发展的视角,分3个部分阐述了新质生产力的发展。首先,从新质生产力提出的背景逻辑和其内涵来解读新质生产力,涵盖了新的生产资料、新劳动者、新服务和新生产关系;其次,从化学工业的转型升级、化学工业的数字化和智能化升级以及产业低碳可持续发展等方面,阐述了如何加快化工行业新质生产力的发展;最后,论证了加快化工新质生产力发展面临的两大不容回避的问题,一个是研究方法必须演变,另一个是如何培养发展新质生产力所需要的化工人才。