关键词： 电动螺旋压力机   机器学习   应变场重构   线性回归模型   支持向量回归模型   深度神经网络模型  

摘要： 基于机器学习建立了一种伺服直驱电动螺旋压力机锻造过程机身应变场的重构方法。通过大量应变场有限元仿真获取了不同工况下的应变分布数据,以虚拟检测点的应变作为模型输入,构建了线性回归模型(LR)、支持向量回归模型(SVR)和深度神经网络模型(DNN),实现了以部分位置的应变数据对压力机机身应变场的重构。分别对不同检测点数量、 DNN结构与重构模型的重构效果进行了探讨,得到了最佳的应变重构模型,并通过对比不同检测点布局的重构效果制定了与应变重构模型所匹配的检测点布局方案,实验结果表明,模型重构数据具有较高的精确度。

关键词： 高校图书馆   参考咨询   人工智能   学科馆员  

摘要： 文章以海南省民办高校——海口经济学院图书馆参考咨询服务为例,围绕其目前提供的基础咨询、一对一咨询以及学科咨询展开论述,发现当前的参考咨询工作模式还有提升空间。紧随着“生成式人工智能”发展的浪潮,从而引出了引入“AI馆员”、构建资源共享平台、提升学科馆员AI素养的优化路径,将“学科咨询+人工智能”融入学科服务中,形成“用户—学科馆员—AI工具”的完整生态链,从而为用户提供更加人性化、专业化的服务。

关键词： 生态系统文化服务   生态系统文化服务评估   多源大数据   社交媒体数据   人工智能  

摘要： 【目的】生态系统文化服务（CES）指人类通过生态系统获得的精神满足、认知发展及审美体验等非物质惠益，其价值评估对揭示生态系统惠益作用机制与提升人类福祉意义重大。研究旨在系统解析多源大数据驱动的CES评估范式创新方向，明晰研究进展与未来方向。【方法】以“生态系统文化服务”和“价值评估”为关键词，检索Web of Science与CNKI数据库2000-2024年的文献。从大数据类型、CES价值类型、评估对象与评估方法四个维度梳理研究成果，对当前研究机遇、挑战及未来趋势进行系统性评述，并系统性总结基于多源大数据的CES评估工作流。【结果】1）CES评估范式呈现从传统经济核算向智能评估转型的趋势。统计表明，约70%研究通过多源数据的应用实现了范式革新，主要体现在CES价值类型维度拓展、评估对象类型细化、评估方法应用创新三方面。2）大数据应用突破了传统信息获取瓶颈，形成政府公开数据（生态环境数据、人口经济数据）与用户生成数据（社交媒体数据、POI数据、位置通信数据）的多元化格局，显著提升CES价值解析精度、时空覆盖度及场景适用性。3）机器学习、深度学习等人工智能技术与大数据分析成为新兴的CES评估方法，助力海量数据处理与深度信息挖掘，有效提升评估效率与准确性。【结论】未来研究需深化多源数据融合与跨学科方法的应用探索，重点构建标准化CES评估框架并增强其理论解释力。

关键词： 人工智能   高分子材料   实验教学辅助   个性化学习  

摘要： 采用文献研究法，首先梳理了人工智能与教育场景的融合方式，然后追溯了近3年《高分子材料》课程的改革路径及措施，最后探讨了人工智能在《高分子材料》课程中的应用方式及方法。通过例举人工智能在《高分子材料》课程中教学内容设计与优化、实验教学辅助、个性化学习支持等方面的实际应用，揭示了人工智能在专业课程中的应用路径及挑战，以期为高分子专业人才培养的创新与改革提供一些经验，同时丰富人工智能+教育的相关理论。

关键词： 基础医学   创新创业   数智技术   教育模式   人工智能  

摘要： 在全球科技持续迭代创新的时代背景下,创新创业教育已成为高等教育领域的重要议题。当前基础医学创新创业教育面临教学内容与市场需求脱节和教学方法缺乏创新等挑战,而数智技术的兴起为其带来了变革机遇。该研究聚焦数智技术驱动的基础医学创新创业教育模式,系统剖析数智技术在这一教育中的具体应用场景和作用机制,提出基于数智技术的教学模式创新、课程体系优化和实践平台搭建等改革建议和实践方案。实证结果表明,数智技术丰富了教育内容与手段,利于培养契合未来需求的创新型医学人才。

关键词： 寒区隧道   温度场   多因素耦合   冻结半径   机器学习  

摘要： 寒区隧道围岩温度场的动态演化是冻害防控的关键科学问题，其分布特性受自然风、活塞风、隧道几何参数及热边界条件的多因素耦合作用影响。本文基于COMSOL有限元软件构建三维瞬态传热模型，系统研究了自然风（风速、风温、风向）、活塞风（列车速度、运行频次）、隧道断面尺寸及初始岩温七类因素对围岩温度场时空分布的影响规律。结果表明，围岩温度沿纵向呈现“快速上升—稳定增长”两阶段特征，洞口段温度梯度衰减显著；径向温度分布则随距隧道轴线距离增大逐渐趋近初始岩温，且双线隧道围岩温度略低于单线隧道；进一步通过敏感性分析揭示自然风风温（0.22）＞自然风风向（0.21）＞初始岩温（0.21）为主导控制参数。最后以冻结半径为工程评价指标，结合机器学习方法（XGBoost、RF、SVM）验证了数值模拟结果的可靠性，其中XGBoost模型预测精度最优（RMSE=0.118），为冻结半径快速估算提供了辅助工具。本研究揭示了多因素耦合作用下寒区隧道温度场的动态响应机制，可为防冻设计参数优化及冻害防控提供理论依据。

关键词： 人工智能   深度学习   MPs   模型  

摘要： 微塑料(MPs)是全球广泛关注的新污染物，因其体积小、易迁移、难降解等特性，对生态系统和人类健康构成潜在且严重的威胁，MPs污染治理迫在眉睫。人工智能(AI)凭借其强大的数据处理、模式识别和预测能力，在MPs污染治理领域展现出日益重要的作用。本文综述了近年来AI技术在MPs收集与检测、污染源追踪、环境影响预测、治理策略优化等MPs污染治理环节的研究进展。重点对比分析了各环节所用的AI模型及其准确性，并深入探讨了当前面临的挑战以及未来的发展方向，旨在为推动MPs污染治理的科学化和智能化提供参考借鉴。

关键词： 网络规划   多源数据   绿地建网   机器学习   大数据  

摘要： 如何解决灵活实施分期建设、如何确保网络投资落在高经济回报区域、如何以网络差异化赢得市场竞争优势，这是新进入者运营商在绿地建网规划中面临的一系列难题。为解决这些问题，提出一种融合多源数据和机器学习的无线网络规划方法。首先根据多源数据建立多维因子体系，通过机器学习得到各因子权重，据此建立区域综合评分体系；然后引入多象限矩阵策略，校正不同区域的优先级与目标覆盖率，确定区域优先级排序；最后在实践中应用和验证。研究表明，相较传统网络规划方法，该方法具有更好的投资回报导向，可有效提升网络覆盖率和投资收益率。对应三个典型时点第3、第5和第10年，此方法可提升商用区域覆盖率分别达到14%、16%和17%，投资收益率分别提高21、19 和16个百分点。

关键词： 研究堆技术   反应堆工程   技术创新   人工智能  

摘要： 本文回顾了中国原子能科学研究院（简称原子能院）75年来在反应堆工程技术领域的发展历程。自1950年建院以来，原子能院深度参与我国研究堆技术从无到有、由弱变强的进程，先后建成101重水研究堆、49-2游泳池式轻水反应堆等多座研究堆和零功率反应堆，实现了从核基础技术突破到工程化技术体系形成，再到先进核能技术引领的跨越。原子能院在堆物理、材料创新、运行技术等方面取得了诸多突破，其成果广泛应用于中子物理研究、核医学、高端制造等领域，为国家战略需求提供了有力支撑。当前，人工智能与反应堆技术的融合为其发展带来新机遇，原子能院将积极开展相关研究，以推动技术升级。我国反应堆工程技术已实现从跟跑向部分领域领跑转变，未来借助人工智能持续发展，为核能产业贡献力量。

关键词： 静脉血栓栓塞症   生物信息学   机器学习   差异表达基因   生物标志物  

摘要： 目的 探究静脉血栓栓塞症(VTE)的发病机制并筛选生物标志物。方法 对VTE患者和健康对照者(HC)的全血基因表达谱芯片数据进行生物信息学分析,包括差异表达基因(DEGs)的鉴定、富集分析和蛋白-蛋白相互作用(PPIs)网络分析,并利用最小绝对收缩和选择算子(LASSO)回归模型和支持向量机递归特征消除(SVM-RFE)分析来筛选关键基因。外部数据集验证关键基因的表达并绘制受试者工作特征曲线(ROC)评估关键基因的诊断效能。结果 通过比较VTE患者和HC的表达谱数据,筛选出59个DEGs。富集分析和PPI网络分析表明,这些基因主要参与细胞对饥饿的反应、氧化磷酸化、髓系细胞稳态、内在凋亡信号通路、炎症反应、核糖体等。筛选出14个关键基因,即BCL2A1、CD3G、COX7A2、CSTA、EVI2A、FKBP1B、HBD、IFI27、LSP1、LY96、MS4A4A、PFDN5、RPS27L和XK。外部数据集验证,在VTE组中,11个关键基因,即BCL2A1、CD3G、COX7A2、CSTA、FKBP1B、HBD、IFI27、LY96、MS4A4A、PFDN5和XK均显著上调。ROC分析提示这11个关键基因具备良好的诊断效能。结论 BCL2A1、CD3G、COX7A2、CSTA、FKBP1B、HBD、IFI27、LY96、MS4A4A、PFDN5和XK可作为VTE的生物标志物。