关键词： 鸡   腹脂沉积   早期体尺性状   机器学习   预测模型  

摘要： 为探究活体、无创、简单、高效的母鸡腹脂沉积性状测定和选育技术方法，本研究以清远麻鸡为研究对象，将多体尺性状选择法与8种机器学习模型相结合，分别构建不同日龄体尺性状对母鸡腹脂含量的回归预测模型和分类预测模型。利用58～136日龄间各个日龄的多个早期体尺性状结合机器学习方法，体尺测定日龄对预测成年清远麻母鸡腹脂含量的准确性未表现出明显差异；进行回归预测时，RF模型的预测效果最好，拟合效果R2为0.821～0.861，预测误差MAE为6.32～7.27；进行分类预测时，Bagging模型在二分类、三分类中均具有更高的预测准确度，二分类准确度ACC可达94.54%～100%，三分类准确度ACC可达99.58%～100%。本研究基于机器学习建立并优化了优质鸡腹脂沉积活体预测模型，能够为优质鸡腹脂早期活体选育等奠定技术基础，也为腹脂含量预测模型构建的相关技术探索提供参考。

关键词： 组合结构   超高性能混凝土   栓钉   抗剪承载力   机器学习  

摘要： 组合结构良好的界面抗剪性能是充分发挥钢和超高性能混凝土（UHPC）材料性能的关键。为研究钢-UHPC组合结构栓钉剪力连接件抗剪性能，建立了UHPC中包含263个栓钉的推出试验数据库，进行了特征相关性分析，并分析了主要参数影响规律。基于机器学习算法训练并生成了10个栓钉抗剪承载力预测模型，通过8次随机抽样训练验证模型稳定性。采用确定系数(R2)、平均平方对数误差（RMSE）、平均绝对误差（MAE）等指标来评估预测精度，并与3种传统计算方法进行了比较。结果表明，UHPC抗压强度小于150 MPa的试验样本占比高达64.6%，而栓钉直径小于19 mm的试验样本占比达到73%，缺乏更高强度UHPC和大直径栓钉试验数据。传统公式预测精度低于机器学习模型预测精度。随机森林模型预测精度最高，R2为0.98，MAE与RMSE分别为3.9和6.4；与传统模型最高精度相比，R2提高了216%，MAE与RMSE分别降低了93%与90%，表明机器学习模型可大幅提升预测精度，为栓钉抗剪承载力计算提供了新的思路。

关键词： 技术融合   颠覆性专利   量子信息   Rao-Stirling指数   Autogluon   机器学习  

摘要： [研究目的]技术融合是颠覆性技术的重要来源,科学、精准地预测由技术融合催生出的颠覆性技术,对于中国在特定技术领域加速科技融合与进步、实现“换道超车”具有重要意义。[研究方法]构建了技术融合视角下的颠覆性专利预测框架。首先,基于Rao-Stirling指数对专利技术融合强度进行测度;其次,结合文献计量、文本挖掘方法刻画技术融合型颠覆性技术核心特征,从新颖性、突变性、高影响力三个维度构建指标识别历史颠覆性专利;最后,运用Autogluon机器学习框架拟合专利申请外部特征与颠覆性专利间的潜在关系,完成颠覆性专利的预测。[研究结果/结论]围绕量子信息领域开展实证研究,共预测出377条颠覆性专利,涵盖量子计算处理器、单光子探测、量子点材料等7类技术,为决策制定者把握技术融合方向,促进颠覆性技术创新发展提供了参考依据。

关键词： 偏头痛   人工智能   非药物神经调节技术   经皮耳迷走神经刺激   耳穴电针   综述  

摘要： 偏头痛是一种常见且高复发率的神经系统疾病，动态监督与随访、治疗效果一直是临床热门话题。随着人工智能（AI）在医学领域的发展，为偏头痛诊断、评估及管理提供了新思路。而经皮耳迷走神经刺激（taVNS）和耳穴电针技术作为非药物治疗手段，因其非侵入性和高效性，临床备受关注。taVNS通过刺激耳廓迷走神经耳支，调节脑内疼痛网络，临床研究显示其能显著减少偏头痛发作频率和强度，安全性良好。耳穴电针通过脉冲电流刺激耳穴，强化调节功能，显著降低偏头痛患者的疼痛天数和发作频次。临床亟需研发基于耳穴电针技术的新型可穿戴便携式镇痛仪，融合人机传感、先进材料和电子集成设计，实现功能模块的高度集成和数字化智能化管理，并推动神经调节技术的科研和临床进展。本文从人工智能辅助偏头痛诊治、以及经皮耳迷走神经刺激和耳穴电针在偏头痛中的临床应用做了介绍，为临床偏头痛诊治、评估提供一定参考。

关键词： 城市内涝   公众图像   人工智能   评估模型  

摘要： 衡量城市内涝严重程度的标准除了积水范围外，积水深度是更为重要的一个标准。面向传统城市内涝积水状态监测方法存在成本高昂、监测范围有限以及仅能针对特定易涝区域进行监测的局限性，提出了一种利用社会公众拍摄的图像信息构建的城市内涝深度等级评估模型。我们利用爬虫技术以“城市内涝”和“车辆受淹”等词语作为关键词，从互联网上收集社会公众拍摄的包含涉水小型车辆的图像和视频构建样本集，采用车辆淹没深度作为参照标准，将内涝深度划分为安全（0-20cm）、不安全（20-60cm）和危险（>60cm）三个等级，并为这些等级创建了相应的标签。应用Yolov8模型构建了Yolov8l，Yolov8m，Yolov8n，Yolov8s四组不同网络复杂度的模型，训练过程中，利用混淆矩阵和精确度(Precision)和召回率(Recall)、平均精度均值(mAP)、平均精度均值精度(AP)四种精度指标对模型的准确性进行了综合评估。实验结果证实，Yolov8算法能够有效识别不同场景下车辆的淹没状态，且对各危险等级的车辆识别平均精确度达到了70%。这一精度水平表明，该模型能够作为一种有效的工具，用于监测和评估城市内涝的积水深度等级。本研究不仅提高了内涝灾害评估的时效性和准确性，还拓展了社会信息在灾害管理中的应用，为未来的城市灾害管理提供了一种人工智能与社会公众信息相结合的解决方案。

关键词： 板式定制家具   价值流图   产线优化   智能制造   家具制造   降本增效  

摘要： 运用价值流分析方法，以T企业板式定制家具生产过程为研究对象，通过收集相关数据绘制其现状价值流图，找出当前生产中存在的增值率低、运输路线交叉迂回、在制品库存多、空间浪费严重等问题。针对上述问题，绘制未来价值流图，通过鱼骨图、流程程序分析法、ECRS原则等方法对板式定制家具车间开展以降本增效为目标的优化措施。首先对车间的生产现状进行了分析，并据此绘制了现状价值流图，识别并分析了生产过程中的非增值活动，从瓶颈工序优化和车间布局优化两个维度出发，提出了可行的改进措施，并据此绘制未来价值流图。通过优化改善，与改善前相比车间搬运距离由56m减少到36.28m、作业人员由63人减少到55人、增值比由0.043%增长至0.045%，生产线平衡率由59.23%提高至67.32%，大幅提升了生产效率，为板式定制家具企业生产线优化提供新思路。

关键词： 地理语言学   地理信息科学   人工智能   语言地理计算   语言时空知识图谱  

摘要： 为响应国家“语言资源保护开发”的迫切需求和科技融合发展趋势，该文提出了“语言空间智能”这一新兴领域。该领域融通语言学、地理学和人工智能，专注于多模态语言数据的信息识别、提取、处理、重构、制图、挖掘分析与智能服务。论文首先阐明了语言空间智能的基本内涵，涵盖其概念、内在逻辑、应用领域及核心科学问题等方面。其次，提炼出了该领域的几项核心研究内容，介绍了其支撑理论与方法。最后，阐明了该领域面临的机遇与挑战，并探讨其实现路径。本文的研究不仅有助于推进交叉学科建设，发掘学术增长点，还将为创新性人才培养和前沿社会应用提供重要指引，助力语言资源的保护与开发。

关键词： 新能源汽车   智能制造   5G技术  

摘要： 传统能源是目前世界各国消耗的主要能源，但传统能源的不可再生性导致世界各国政策偏向新能源发展，新能源已成为目前研究的主流趋势之一，随着新能源技术的蓬勃发展，新能源汽车领域也受到广泛关注，因此，汽车行业朝着更环保、更智能的方向进行转变是必然趋势。研究结果表明国家政策导向、产品市场需求和智能技术发展可行性均对新能源汽车5G智能技术发展能力有直接的积极影响，但企业共性对新能源汽车5G智能技术发展能力没有显著影响；智能产品生产管理对新能源汽车5G智能技术发展能力有直接的积极影响且智能产品生产管理在智能技术发展可行性和新能源汽车5G智能技术发展能力之间起到中介效应，但智能产品生产管理在企业共性和新能源汽车5G智能技术发展能力之间没有起到中介效应。本文研究结果为探索5G技术应用于新能源产业的发展和新能源汽车行业发展及管理提供参考。

关键词： 渭河流域   水质评价   主成分分析(PCA)   地理探测器   机器学习  

摘要： 渭河作为黄河最大的支流，在黄河流域生态保护和高质量发展中处于重要地位。基于新型综合水质指数（WQI-DET），结合差异性分析方法对渭河水质状况和时空差异性进行综合评价分析，同时借助主成分分析法确定主要污染物种类，利用地理探测器量化流域水质可能的驱动因子影响力，并在此基础上运用机器学习算法和高频监测数据实现对WQI-DET的模拟计算和预测。结果表明：①渭河流域存在有机污染、富营养化营养盐污染、六价铬污染和氟化物污染，水体可生化性差，营养盐结构不平衡，氮污染严重；水质状况在过去3a未能得到根本改善。②渭河流域水质指标时空差异显著，有机污染、氮污染以及浊度等指标呈现季节性特点；不同支流水质与干流上中下游间存在差异，污染物呈现出沿程累积的特点。③农业生产的面源污染和生活废水点源污染是渭河有机污染物、富营养化营养盐等的主要来源，同时渭河部分支流受到工业源污染影响，重金属污染较严重；地理探测结果显示流域水质受到人类活动和自然条件的共同作用。④机器学习模型可对渭河WQI-DET进行准确预测，利用日监测数据的6项指标通过COA+BP模型准确模拟计算了WQI-DET(R2>0.92)，依托高频次的日监测数据和COA+BP模型计算结果建立VMD+CNN-GUR-SE模型实现了未来WQI-DET的计算，从而实现了对渭河水质的预测计算；群智能优化算法、变分模态分解和注意力机制的引入大幅改善了模型性能。

关键词： 机器学习   抗微生物耐药性(AMR)   抗生素   基因组   深度学习  

摘要： 由于抗微生物药物尤其是抗生素的滥用或过度使用，微生物耐药性已成为全球公共卫生领域的紧迫挑战。近年来，随着高通量测序技术的迅猛发展，微生物组学数据呈指数级增长，利用机器学习预测微生物耐药表型和识别耐药标志物具有重要意义。有监督式学习和无监督式学习的机器学习方法已成功应用于早期微生物耐药性的准确预测。通过分析微生物的基因组和耐药性数据来构建机器学习预测模型，可提高对微生物耐药性的预测能力，制定更有效的抗生素合理使用策略，从而控制微生物耐药性的传播。综述了微生物耐药性领域常用的机器学习算法和机器学习模型的具体构建流程，并总结了机器学习在微生物耐药性预测中的应用及发展前景，旨在为未来各项耐药监测提供科学参考。