关键词： 地面塌陷灾害   易发性评价   机器学习模型   评价因子选取  

摘要： 为了改变地面塌陷易发性评价主要通过知识驱动模型实现的现状,文章探讨了将数据驱动模型引入城市地面塌陷评价的可能性,选取杭州市填土-粉砂土典型区域为研究区,进行了研究区地面塌陷指标因子的选择以及相关性检验,筛选出了排水管线密度、社会活动密度、地下承压水位埋深、表层填土层厚度、与暗河暗浜距离、饱和砂土顶板埋深、软土层厚度7个评价因子对研究区地面塌陷易发性进行了评价,通过对比RF、I-RF集成模型、RF-BP神经网络模型,得到了在该研究区背景下集成模型相对单模型对地面塌陷易发性评价结果精确度更高,最后选取了效果最好的RF-BP神经网络集成模型进行了易发性评价。评价结果显示:易发性分区与地面塌陷隐患区高度吻合,预测效果较好,证明了数据驱动模型在城市地面塌陷易发性评价方面应用的可能性。

关键词： 人工智能   精准思政   思政教育  

摘要： 人工智能赋能高校思政教育可以有效提高思政教育质量,拓宽思政教育范围,传递思政“温度”,为高校精准思政创造契机。人工智能赋能高校精准思政不仅意味着技术上的突破,更是教育理念与模式的革新。通过落实教育者精准化思维、多模态精准分析学生画像、精准供给教育手段与内容、多方协同联动,以及智慧赋能精准思政评价等手段,助力高校思政教育实现高质量发展,为培育时代新人提供支撑。

关键词： 卒中   吞咽障碍   预测   Logistic模型   算法   机器学习  

摘要： 目的 基于老年脑卒中患者临床及实验室指标,利用可解释机器学习方法构建并验证卒中后吞咽障碍(post-stroke dysphagia, PSD)风险预测模型。方法 回顾性选取2010年10月至2021年12月解放军总医院第一医学中心神经内科收治的含有完整吞咽功能表述的老年脑卒中患者3994例,将2019年1月至2021年12月的1390例患者作为外部验证集,2010年10月至2019年1月的2604例作为训练组。将训练组按照7:3随机分为训练集1823例和内部验证集781例,根据是否发生PSD将训练组患者分为PSD组773例和非PSD组1831例。以PSD发生为终点事件,构建随机森林(random forest, RF)、极端梯度提升(eXtreme Gradient Boosting, XGBoost)、支持向量机(Support Vector Machine, SVM)和logistic回归模型,通过ROC曲线评估模型性能。优选最佳模型后,采用夏普利加性解释(SHapley Additive exPlanations, SHAP)方法量化特征。结果 PSD组肌力等级、脑卒中侧、脑损伤区域与非PSD组比较,差异有统计学意义(P<0.01),PSD组高血压、糖尿病、饮酒史、中性粒细胞水平明显高于非PSD组,血钾、血清白蛋白水平明显低于非PSD组(P<0.05,P<0.01)。多因素logistic回归分析显示,年龄、饮酒史、糖尿病、高血压、肌力等级、脑损伤区域、脑卒中侧、中性粒细胞、血清白蛋白、血钾是PSD的危险因素(P<0.05,P<0.01)。在外部验证中,RF、XGBoost、SVM、logistic回归模型验证集的曲线下面积分别为0.883、0.902、0.877、0.868。SHAP值分布显示,饮酒史、高血压、糖尿病与PSD风险呈正相关;肌力等级与风险呈负相关;年龄增长与PSD风险呈正相关;幕下损伤比幕上或全区域损伤的预测作用更强;双侧和右侧损伤较左侧损伤的PSD风险更高。结论 基于XGBoost模型构建的老年患者PSD风险预测模型性能最优。

关键词： 煤直接液化工艺   柴油   化学结构组成   燃烧性能   机器学习  

摘要： 煤直接液化柴油是对石油基柴油的有力补充燃料,为提升煤直接液化柴油质量,借助机器学习方法,建立煤直接液化柴油性质预测模型,研究煤直接液化柴油的各组分化学结构及其柴油性质以及之间的关系。所用油样为2023年鄂尔多斯年产百万吨煤直接液化装置成品柴油。对所测油样的烃类组成和柴油性质进行描述性统计和相关性分析。发现烃类组成以链烷烃和环烷烃为主,占烃类组成的96.57%,其中,一环烷烃含量最多。对柴油质量检测结果进行分析,发现该柴油满足商业柴油质量指标要求,具有较好的燃烧性能、低温流动性和环保性能。通过皮尔逊相关系数发现,部分变量之间具有较高的相关性。为了避免多重共线性对模型解释的影响,选择树模型算法建立模型。分别采用随机森林算法(RF)、轻度梯度提升算法(LightGBM)以及极端梯度提升算法(XGBoost)建立能够评价煤直接液化柴油性质的预测模型,如密度、黏度、十六烷值等性质预测模型,并且对比分析了各算法对柴油性质的拟合。结果表明,RF模型具有较好的拟合性能和较高的准确性。在训练集中,密度、运动黏度、十六烷值的判定系数分别为0.946、0.916、0.814,平均绝对百分比误差分别为0.073、0.646、0.4。在测试集中,密度、运动黏度、十六烷值的判定系数分别为0.976、0.865、0.765,平均绝对百分比误差分别为0.48、2.86、0.957。分析烃类组成对柴油性质的影响发现,链烷烃、三环烷烃、烷基苯含量对煤直接液化柴油的密度、运动黏度、十六烷值影响较大,萘和三环芳烃含量对上述性质影响较小。增加链烷烃含量会降低煤直接液化柴油的密度和运动黏度,但有助于提高柴油的十六烷值。三环烷烃含量和烷基苯含量增加会提高煤直接液化柴油的密度和运动黏度,但是会降低柴油的十六烷值。

关键词： 档案数据   要素化   数据组织   高等学校   人才评价   标准规范   人工智能   评价模式  

摘要： 在国家推进教育强国战略的背景下,高校人才评价模式的优化已经成为深化高等教育改革、推动高等教育高质量发展的核心议题。档案数据的要素化组织为高等教育机构人才评价体系的优化提供了有利契机,有助于解决传统人才评价体系中数据来源单一、数据更新滞后的弊端,对于促进高等教育机构人才评价指标的多元化、动态化,以及评价过程的智能化、透明化具有重要意义。然而,在实际操作过程中,档案数据要素化组织面临着标准化程度不足、技术实现难度大、隐私保护问题突出以及应用场景与评价机制不完善等现实挑战。为了以档案数据要素化组织推动高等教育机构人才评价体系的优化,必须构建多层次标准体系、突破关键技术瓶颈、完善隐私保护框架以及拓展应用场景与构建动态评价机制,从而充分释放档案数据要素化组织在推动高等教育机构人才评价体系优化中的巨大潜力。

关键词： 人工智能   机械工程   AI赋能   教学评价创新   课程体系  

摘要： 人工智能对高等工科教育的提质增效、转型升级意义重大,在重塑工科教育模式、内容和理念方面影响深远。面向新工科和工程认证的教学需求,本文分析了人工智能赋能行业特色类机械工程专业教学的现实需求与内涵价值,通过教学模式创新与教育实践探索,形成了人工智能赋能机械工程专业教学的可行化路径,利用能力达成与满意度评价对教学效果进行了评估,根据评价结果对教学进行持续改进。研究结果对印刷包装类工科专业优化专业课程体系、创新升级专业教学资源、精准定位人才培养目标等具有参考价值和指导意义。

关键词： 低空安全体系   低空经济发展   人工智能  

摘要： 引言构建完善的低空安全体系,是低空经济发展的关键。低空安全体系的概念和内涵还在不断发展完善,一致的低空安全认知仍需培养。同时,人工智能和大模型也为安全体系建设提供了新的技术路径。

关键词： 人工智能   自动作曲   文献计量   知识图谱  

摘要： 作为跨领域交叉融合的新兴学科,人工智能(AI)作曲近年来备受关注。选取2000—2023年“AI作曲研究领域”的SCIE/SSCI/A&HCI三类核心期刊成果,以PRISMA 2020版声明标准进行三级筛选结果为研究对象,借助VOSviewer和CiteSpace两大文献计量工具,运用普赖斯定律、洛特卡定律、布拉德福定律三类科学生产率法则,进行作者、地域、期刊数据的可视化图谱定量分析与定性概括。对文献的计量分析研究有助于全面了解AI作曲研究领域发展态势,把握最新研究成果及其相关信息,为研究者与从业者提供有价值的参考数据,以此推动更具创新性学术成果的产出,同时,研究过程展示出的可视化计量分析方法与步骤具有借鉴参考价值。

关键词： 人工智能   课程思政   评价体系   团队建设  

摘要： 近年来,人工智能技术迅猛发展,如何利用人工智能(Artificial Intelligence,AI)赋能课程思政,实现专业教育与思政教育的有机融合,是新时代背景下亟须解决的课题。本研究以汽车车身结构与设计课程为载体,构建“AI+思政”双螺旋育人模式。结合课程内容,将AI与课程内容结合,并从课程思政元素挖掘、创新教学方法、构建多维度评价体系和加强思政团队建设等方面提出意见和建议。增强学生的专业认同感、历史使命感和社会责任感,为培养具有家国情怀、德才兼备的工程创新人才提供有力支撑,为新时代“AI+课程思政”建设提供理论指导及实践借鉴。

关键词： 全科医学   人工智能   文献计量学   CiteSpace   VOSviewer  

摘要： 目的运用文献计量学方法分析近20年来人工智能(artificial intelligence,AI)在全科医学中的应用现状、研究热点及变化趋势,以期为后续开展相关研究提供借鉴。方法系统检索Web of Science核心合集数据库(Web of Science Core Collection,WoSCC),纳入发表时间为2004年1月1日—2024年12月31日期间AI在全科医学领域应用的相关英文文献。采用VOSviewer 1.6.19软件对国家/地区(发文量≥5篇)、作者(发文量≥3篇)进行共现分析,并采用Scimago Graphica 1.0.46软件绘制国家/地区之间的合作网络图;采用CiteSpace 6.2.R2软件对机构(发文量≥5篇)进行共现分析,并对关键词进行共现和聚类分析。结果共获得394篇相关文献(原创性研究307篇,综述87篇)。发文量整体呈逐渐增长趋势,尤其2018年以来显著增加。美国和英国分别是该领域发文量(81篇,20.56%)、总被引频次(2077次)最多的国家,英国伦敦大学是发文量(20篇,5.08%)最多的机构,韦仕敦大学的Kueper是成果产出(6篇,1.52%)最多的作者。J Med Int Res是收录该领域文献(12篇,3.05%)最多、总被引频次(317次)最高的期刊。高频关键词主要包括“diagnosis”(诊断,31次)、“management”(管理,29次)、“risk”(风险,28次)、“electronic health records”(电子健康档案,24次)和“care”(照护,23次)等,可分为7个聚类,归纳为4个热点话题。其中AI在全科医学健康管理、辅助诊断及医师培养方面的作用是该领域当前研究的核心,技术可接受度是面临的关键挑战。结论全科医学领域在逐步引入AI技术,并从满足基础功能需求向提升个性化、智能化诊疗服务体验方向发展。未来可围绕提升全科医生和患者技术接受度方面加强国家/地区、机构间的合作与交流。