关键词： 碳排放强度   在线监测   机器学习   极致梯度提升   降碳策略  

摘要： 高频、高精度的碳排放指标监测与预测是燃煤电厂运行优化的重要支撑。针对传统排放因子法在精确度和时效性上的不足,基于煤电机组运行、碳排放在线监测、燃煤成分数据,采用极致梯度提升(XGBoost)等算法识别出机组碳排放强度变化的主要动因,并提出降碳的对策建议。以安徽省3座燃煤电厂中7台320 MW及以上机组的日度数据作为模型训练的输入数据,发现XGBoost预测精度最优(R^(2)=0.951),碳排放强度与空干基含碳量、全水分、主汽温度和机再热汽温度关系密切。对案例机组的偏依赖分析发现,负荷率及其他不同因素共同作用于碳排放强度,机组负荷率上升可降低碳排放强度,而在中等负荷率的状态下(负荷率处于52%~80%的区间时),适当提升主汽温度(562℃→569℃)和机再热汽温度(550℃→564℃),及降低燃煤全水分(11.0%→6.5%)、燃煤的含碳量(42%→37%),可降低碳排放强度(最大降幅可达12.2%),总体上,负荷率小于70%时降碳效果更好。结论可为燃煤电厂智能化、低碳化运营提供依据,为碳排放精细化管理提供支撑。

关键词： 数字化   城市建设   物联网   人工智能   监测分析  

摘要： 随着数字化技术的迅猛发展,城市建设的品质也得到了显著提升。本文旨在探讨数字化技术在城市建设中的应用策略,通过具体案例分析和数据展示,提出切实可行的解决方案和发展方向。本文涉及的软件工程领域的专业性内容,包括物联网(IoT)、大数据、云计算、智能城市等技术应用,并结合统计表详细阐述相关数据。本文研究的核心在于利用数字化促进城市规划与管理的智能化、提高城市运行效率和服务水平、增强城市可持续发展能力,通过深度赋能城市建设,重构城市发展内核。

关键词： 人工智能   小学数学   数学教学   人机协同  

摘要： 在教育数字化转型的大背景下,人工智能支持下的小学数学教学模式引起了广大任课教师的重视,其在激发学生自主学习潜能、深化学生数学思维培养、促进教育均衡发展等方面具有重要作用。以人工智能为切入点,在分析人工智能概念的基础上,就人工智能支持下的小学数学教学的价值、规避点、具体实施策略等进行综合阐述,旨在推动小学数学教学从经验驱动转向数据驱动,为小学数学教学改革提供可操作的实践范例。

关键词： 阿尔茨海默病   人工智能   医学影像   生物标志物   疾病管理  

摘要： 本文介绍了人工智能(artificial intelligence,AI)在AD的早期筛查与诊断、AD病人的干预与照护中的应用进展,指出AI可以协助AD的早期诊断与药物全过程的研发、发现AD的潜在风险、生成个性化的治疗方案、更准确地预测疾病结果,最终提高AD病人的生活质量。但是,AI在AD的全程管理中仍然存在伦理考量、数据隐私问题以及如何将AI无缝整合到临床工作流程中的挑战。

关键词： 弥漫性胶质瘤   高级别胶质瘤   磁共振成像   影像组学   机器学习  

摘要： 目的:探讨基于术前MRI图像的影像组学预测模型在非增强成人弥漫性胶质瘤分级诊断中的价值。方法:回顾性分析153例(160个病灶)成人弥漫性胶质瘤患者的临床和影像资料,术前T1WI增强扫描图像均显示为非增强胶质瘤。160个病灶分为低级别组103个和高级别组57个,并按8∶2的比例随机分为训练集128个和验证集32个。将术前T2WI和ADC图像配准至相应的T1WI增强扫描图像上,并在T2WI图上勾画ROI。使用Python提取每个序列图像(T2WI、T1WI增强扫描、ADC)的1132个影像组学特征(形状、一阶直方图、二阶纹理及小波特征),筛选出ICC≥0.85的特征,并采用弹性网络回归算法结合递归特征消除算法确定最优特征子集。基于筛选后的特征,采用6种机器学习分类器[逻辑回归、支持向量机(径向基函数核、线性核)、K-最近邻(KNN)、决策树、朴素贝叶斯]构建模型。采用AUC、准确率、敏感度、特异度和F1分数评估模型的预测效能。结果:基于影像组学的模型均能不同程度预测高级别胶质瘤。多参数序列(T2WI+T1WI增强扫描+ADC)结合KNN分类器的模型在训练集和验证集中的AUC分别为0.892和0.805,准确率分别为0.805和0.719,敏感度分别为0.915和0.800,特异度分别为0.753和0.727,F1分数分别为0.782和0.506。结论:基于术前MRI图像的影像组学模型可无创、准确预测非增强成人弥漫性胶质瘤的分级,为临床决策和患者管理提供重要支持。

关键词： 人工智能   跌倒   老年人  

摘要： 跌倒是常见的老年人健康问题。近年来,人工智能(artificial intelligence,AI)在跌倒风险管理方面展现出独特优势。本文从跌倒风险预测的数据来源、数据采集方式、算法应用,以及跌倒检测技术、智能助行与脑机接口技术改善平衡和步行能力等方面阐述了AI在老年人跌倒风险管理中的研究进展,以期为推动AI应用于老年人跌倒风险管理提供参考。

关键词： 磷酸铁锂电池   人工智能   储能电站   电池管理系统   微电网   热失控  

摘要： 磷酸铁锂电池储能电站是现代能源体系的关键构成要素之一。作为新型电力系统构建的关键技术,人工智能可以有效提升磷酸铁锂电池储能电站运行效率与安全管理水平,对于增强电网灵活性及优化可再生能源消纳能力具有关键性作用。首先介绍了磷酸铁锂电池储能电站的工作原理,分析了磷酸铁锂电池储能电站在实际应用中面临的多重挑战,解释了人工智能技术在磷酸铁锂电池储能电站中应用的必要性,阐述了人工智能技术在磷酸铁锂电池储能电站中的应用优势,重点聚焦于辅助电池管理系统实现更精确的状态监测和故障诊断,通过赋能提升磷酸铁锂电池储能电站调度和分配效率,以及人工智能在储能电站安全防护体系中的强化作用,旨在为磷酸铁锂电池储能电站的智能化发展提供有益参考。

关键词： 人工智能   社会治理   社区治理   合作治理   智能治理   社会治理实验  

摘要： 老旧社区面临治理失灵难题,人工智能社会治理实验成为当前破解社区治理难题的重要尝试。鲜有研究讨论人工智能社会实验实现社区合作治理的理论机制。为了解释其理论逻辑,以成都市武侯区七道堰社区“人工智能社会治理实验”试点为例,开展案例分析。在该案例中,人工智能社会治理实验通过嵌入社区治理,营造出新的治理界面,同时人工智能社会治理实验赋能的信托制物业重塑社区信任,使得社会资本重新嵌入并快速增值,实现人的主体性回归,在制度与技术的双轮驱动下形成了“主体平等”“相互信任”“合作共赢”的社区合作治理。研究发现,实验以党建引领为推动势能、物业费为牵引、居民参与积极性为情感动力、人工智能社会治理实验平台为技术支撑,形成社区合作治理的界面机制;此外,实验增强了社区参与网络,强化了居民对社区治理规范的认同,重塑了社会信任,形成社区合作治理的社会资本机制。

关键词： 数字技术   新生长   人工智能   教育  

摘要： 在教育生态中,如果学生被视为种子,那么教育理念和制度就是育人的土壤,文化和价值观就是阳光和雨露,学校和教师就是园丁。数字技术融入教育生态好似一剂催化剂,加速养分循环,使得更多种子能向下生根,向阳生长。数字技术的不断革新和应用,引导教育向着新的样态健康生长。在人工智能(AI)、虚拟现实(VR)、增强现实(AR)、云计算等数字技术的赋能下我国教育数字化转型已呈现新的轮廓。一是教学方法新。如福州市星语学校借助“AI体育教师”精准记录学生跳远成绩,并通过智能光圈辅助孤独症儿童训练。二是教学内容和空间新。

关键词： 地下储气库   井底压力   机器学习   数据驱动   生产监测数据   预测模型  

摘要： 针对储气库井底压力难以准确快速获取的问题,以相国寺储气库为研究对象,基于数据驱动原理,运用监督学习方法,对该储气库10口井共14组数据的12种特征参数进行了分析,开展井底压力预测研究,建立了高斯过程回归(GPR)、支持向量回归(SVR)和人工神经网络(ANN)3种井底压力预测模型,并对模型预测精度进行评价。研究表明:影响井底压力的主要因素为日注采量、井口压力、地层压力和井口温度;SVR、GPR、ANN模型的预测精度分别为99.2%、97.4%、95.1%。说明数据驱动方法能有效预测井底压力,其中,SVR模型可为储气库的注采调控提供更可靠的预测手段。该研究对提高储气库运行的安全性和经济性具有重要的实践指导意义。