关键词： 流域水电安全   应急管理   信息化   智能化平台   大数据   云计算   人工智能  

摘要： 立足流域水电安全与应急信息化管理的多重需求，通过大数据、云计算及人工智能技术，构建基于流域水电安全与应急信息的流域水电基础信息数据库，部署全国各流域多维可视化信息地图，研究集数据采集、分析、预测、服务于一体的流域水电安全与应急管理智慧信息平台建设方案。流域水电安全与应急管理智慧信息平台实现了流域水电应急相关模型算法资源集成化、标准化、在线化管理调用，可为流域防洪减灾、水安全、应急处理的隐患自动识别、智能感知预警、流域洪水精准预测、应急处置提供科学决策，提升了流域安全管理和应急处理智慧化水平，创建了智慧应急工作服务新模式。

关键词： 机器学习   配电网短路故障   智能恢复   目标函数   目标优化  

摘要： 由于配电网短路故障产生的运维成本逐年增加，影响电力企业整体经济效益，为此提出机器学习下配电网短路故障快速智能恢复方法。分析回声状态网络，建立配电网短路故障恢复模型;设置配电网运行指标约束条件，构建回声状态网络目标函数，计算函数中个体与约束条件间的违背程度，得到实际目标函数;在目标优化阶段，保证重要负荷最大化，再考虑配电网运行均衡度，以此实现配电网短路故障快速智能恢复。对所提方法展开实验测试，结果表明，所提方法可有效恢复故障支路和节点，同时恢复后电压、电流波动均保证在所允许的范围内。

关键词： 大语言模型   人工智能   具身智能   应用  

摘要： 大语言模型正以前所未有的方式与临床医学领域融合并改变临床诊疗的范式，大语言模型不仅在加速知识传播、优化临床决策、提升患者体验等方面发挥着重要作用，还为医疗系统的整体智能化升级提供了强大动力。本文对大语言模型在临床医学领域的典型应用进行了梳理，分析了大语言模型存在的问题与面临的挑战，并展望了大语言模型的发展趋势。通过讨论大语言模型的应用情况和未来前景，我们希望能够激励医务工作者和研究人员共同探索这一领域，把以大语言模型为代表的人工智能新技术应用于临床实践，提升医疗机构的工作效能和服务质量。

关键词： 人工智能   机器学习   深度学习   心血管手术   围术期   综述  

摘要： 随着计算机技术的进步与发展，基于人工智能的医疗辅助决策系统在临床得到广泛应用。在心血管手术围术期中，人工智能可以应用于术前诊断、术中和术后风险管理等。本文介绍了心血管手术围术期中人工智能的应用和发展情况，包括术前辅助诊断、术中风险管理、术后管理及全程辅助决策管理，同时探讨了工智能应用的挑战与局限，并对未来的发展方向进行展望。

关键词： 分数阶涡旋光束   机器学习   大气湍流   残差网络  

摘要： 分数阶涡旋光束具有分数轨道角动量（fractional orbital angular momentum,FOAM）模式，理论上可以无限增加传输容量，因此在光通信领域具有巨大的应用前景.然而，分数阶涡旋光束在自由空间传播时，螺旋相位的不连续性使其在实际应用中容易受到衍射的影响，进而影响FOAM阶次识别的准确度，严重制约基于FOAM的实际应用.如何实现有衍射条件下的分数阶涡旋光的机器学习识别，目前仍是一个亟需解决且仍未见诸报道的问题.本文提出了一种基于残差网络（residual network, ResNet）的深度学习（deep learning,DL）方法，用于精确识别分数阶涡旋光衍射过程的传播距离和拓扑荷值.实验结果表明，该方法可以在湍流条件下识别传播距离为100cm，间隔为5 cm，模式间隔为0.1的FOAM模式，准确率为99.69%.该技术有助于推动FOAM模式在测距、光通信、微粒子操作等领域的实际应用.

关键词： 黄土滑坡易发性评价   黄土塬地貌   机器学习   可解释性分析  

摘要： 滑坡稳定性问题一直是工程地质关注的重要科学问题，已有研究多关注山区滑坡灾害，但对于黄土高原区滑坡灾害研究较少。黄土高原是中国北方重要地理单元，其特殊的地质结构和气候条件导致该区域滑坡、泥石流等灾害易发、频发，给当地人民造成了巨大的灾难和财产损失，因此黄土高原区滑坡研究是黄土灾害研究的难点与重点。本文聚焦黄土塬地貌区滑坡灾害，综合考虑地形地貌、水文、土壤等因素，针对黄土塬地貌区滑坡易发性评价建立了综合量化评价体系。利用LightGBM模拟黄土高原黄土塬滑坡易发性，选取5个精度指标评估其预测性能与鲁棒性，运用SHAP算法解析诱发因素对模拟结果的影响，并揭示了黄土塬地貌区滑坡易发性发生机制。研究发现，LightGBM模型对黄土塬滑坡易发性具有较强的模拟与预测能力（AUC=0.844），SHAP算法较好地辨识出黄土塬地貌区滑坡易发性关键驱动因子，即距道路距离、年均降雨量、地形起伏度、人口密度、地表切割深度、坡长等，在此基础上绘制了研究区滑坡易发性风险图，为区域滑坡治理及滑坡灾害的防灾减灾提供了关键理论依据。

关键词： 智能建筑   电气供配电系统   负荷设计   人工智能   区块链  

摘要： 智能建筑的快速发展对电气供配电系统的负荷设计和优化提出了新的挑战.文章系统分析了影响智能建筑电气供配电系统负荷的关键因素,提出了基于能源管理系统、人工智能算法和多目标优化模型的负荷优化策略.同时,文章还探讨了智能建筑电气供配电系统与分布式能源、智能电网、区块链技术以及智慧城市的融合发展趋势.研究成果为智能建筑电气供配电系统的设计优化提供了新的思路和方法,有助于提升智能建筑的能源效率和运行效益,支撑智慧城市的可持续发展.

关键词： 电力系统及其自动化   人工智能   非侵入式负荷监测   数据生成方法   周期信号频率不变变换   时间序列生成对抗网络  

摘要： 非侵入式负荷监测（non-intrusive load monitoring, NILM）是一种无需进入每个用电器内部系统，仅在用户总线入口处安装监测设备的技术．在开展NILM技术研究时，往往需要收集大规模的用户负荷数据来证明所提出方法的普适性，此需求不可避免地带来了繁重的数据收集与整理负担．为克服该挑战，设计了一种结合周期信号频率不变变换（frequency invariant transformation for periodic signals, FIT-PS）原理与时间序列生成对抗网络（timeseriesgenerativeadversarialnetworks,TimeGAN）的混合模型，记为FIT-PSTimeGAN．针对全球家庭与工业瞬态能量数据集（a Worldwide Household and Industry Transient Energy Dataset, WHITED）中的空调、微波炉、吸尘器、冰箱和热水壶5种电器，运用FIT-PS对负荷数据集进行切割和拼接，旨在构建TimeGAN不同状态下的训练集和测试集．评估测试集的效果发现生成的波形数据与真实数据表现出高度一致性．进一步采用FIT-PS对训练得到的生成数据进行截取和拼接，生成满足测试需求的完整的单负荷波形和多负荷波形．这些生成的波形与相同状态下的真实数据进行对比，结果显示两者吻合度很高．与自回归模型和GAN模型相比，FIT-PS-TimeGAN在生成数据的性能方面表现更优．研究结果表明，FIT-PS-TimeGAN混合模型能够有效生成符合标准电器运行规律的波形和场景数据．

关键词： 稳定同位素   有机产品   机器学习   分类器   真实性鉴别  

摘要： 当前对有机农产品鉴别主要集中在认证标识检测上，尚未发现鉴别有机农产品的有效性状指标。为解决这一问题，本研究基于稳定同位素比值质谱特征值技术，选取云南省典型有机种植认证农场和相邻常规种植区，分别采集黄精、生菜、苹果农产品和土壤样本，通过判别分析（OPLS-DA）和降维分析识别有机与常规样本的差异，筛选关键指标，并利用RandomForest和XGBoost构建机器学习模型，以期建立云南高原特色有机农产品的判别方法。结果表明：有机与常规种植在农产品δ15N、土壤碱解氮等指标之间存在显著差异，农产品δ15N是最重要的有机判别因子，农产品δ13C和总氮含量，土壤δ15N和碱解氮含量是有机种植的显著变异指标。基于δ15N、δ13C等同位素特征和农产品-土壤性质参数指标构建的机器学习模型可实现有机与常规农产品有效判别，准确度超过92%。

关键词： 高分子合成   机器学习   人工智能   聚合物   生物大分子  

摘要： 聚合物为人类社会生活发展提供了不可或缺的物质基础.在研发聚合物材料的过程中,庞大的结构空间、复杂的聚合机制为建立聚合物材料的构效关系带来重大挑战.机器学习有望突破高分子合成研究的传统范式,推进新型聚合物材料的化学创制,近年来成为了高分子化学家关注的前沿领域.机器学习技术实现了反应条件、化学结构、材料性能之间潜在关联的发掘,提高了对聚合反应空间的研究效率,为反应条件优化、链结构设计提供了系统性指导.数据驱动的生物大分子结构解析是多领域关注的焦点,机器学习助力实现了蛋白质结构预测的跨越式进步,迈入了生物大分子研究的新阶段.在此基础上,结合自动化技术,发展数智化合成,进一步降低试错成本,加速聚合物材料研发,推动理论知识发展.本文对机器学习在预测聚合物性能、设计聚合物结构与合成条件、生物大分子研究中取得的重要进展进行简要介绍与讨论.目前,机器学习辅助的高分子合成研究仍面临聚合物结构表示方法有限、高质量数据稀缺、自动化技术落地合成生产困难等挑战,亟须加大研究投入,深入开展跨学科研究,发展人工智能赋能的高分子合成,推动高端材料创新.