关键词： 应急医疗物资   人工智能   疫情防控   系统动力学  

摘要： 突发公共卫生事件对中国经济、社会稳定和人民生命安全造成严重影响，对应急供应链系统形成了巨大考验。该文引入人工智能赋能机制，分析疫情防控与物资供给的动态关联，构建应急医疗物资供应链系统的动力学模型。通过武汉疫情案例，探讨人工智能水平和政策性刺激力度对供应链系统运作的影响，寻找提高应急物资保障能力有效途径。结果表明：政府政策性刺激力度与人工智能水平存在不同的影响路径。短期内，政策性刺激能快速干预市场供应，推动企业增产和进口以满足需求。长期看，提升大数据水平，加强人工智能系统赋能，才能提升供应链运行效率和应急能力。通过政策干预与人工智能系统的联动机制，可降低传播风险，有效控制疫情严重程度。

关键词： 机器学习   随机森林算法   水力压裂   套管变形   芦草沟组   二叠系   吉木萨尔凹陷  

摘要： 以吉木萨尔凹陷二叠系芦草沟组12口套管变形水平井为研究对象，基于三维地震属性数据，分析地质因素诱发的套管变形位置与天然裂缝发育位置及储层岩性和力学特性的非均质变化边界之间的对应关系，并对随机森林算法在水力压裂套管变形预测中的应用进行了详细研究。研究结果表明：(1)套管变形位置出现在天然裂缝带发育位置和储层非均质性变化的边界位置，且二者之间表现为非线性相关关系；(2)采用网格搜索和5折交叉验证的方式优选随机森林套管变形风险预测模型中决策树的数量和节点分裂的特征值个数，综合考虑计算精度和效率，选定节点分裂的特征值个数为2，决策树个数为100。(3)随机森林算法在吉木萨尔凹陷二叠系芦草沟组致密油储层水力压裂套管变形井段位置的预测精度可达87.85%，模型输出的套管变形风险预测结果可为压裂设计优化和施工参数的调整提供指导。

关键词： 崩塌落石   微震监测   机器学习   监测预警  

摘要： 基于意大利中部佩鲁贾市某大理石矿山微震监测数据和49个微震特征参数，对比分析神经网络、决策树和随机森林3种机器学习模型在微震信号自动化分类的精度，通过网格搜素算法优化模型参数提高模型性能，讨论特征参数选择和分类集的大小对分类结果的影响。结果表明，随机森林分类器在微震信号分类中获得的准确度最高，优化后分类准确度为98.11%，同时减少部分权重小的特征参数，分类计算效率大幅提高，准确度下降较少，训练集与测试集的最佳分配比例为8:2。

关键词： 机器学习   机制砂混凝土   配合比设计   GBDT算法   XGBoost算法  

摘要： 机制砂混凝土相比于普通混凝土，其配合比设计涉及更多相互耦合的影响因素，传统正向设计方法难以满足多目标优化需求。机器学习算法能够有效分析这些复杂关系，为配合比设计提供指导。本文采用五种机器学习算法，预测混凝土的工作性能和力学性能，并提出利用GBDT和XGBoost进行配合比设计的策略。在满足性能要求的前提下，通过误差分析迭代优化，给出推荐配合比。结果表明，机器学习推荐的配合比制备的混凝土，试验结果与目标的误差在10%以内，验证了在特定性能要求下进行配合比设计的可行性。

关键词： 电站锅炉   炉膛温度场   在线监测   机器学习   预测  

摘要： 在火电机组参与深度调峰时，炉膛温度场的实时获取有助于电站锅炉控制和研究炉内燃烧过程，在智能发电的推进下，机器学习为实时获得炉膛温度场提供了重要手段。总结了声学法、吸收光谱层析成像法以及热辐射成像法这3种最常用的炉膛温度场在线监测技术的原理及应用，以及在锅炉炉膛测温应用中存在的优势及缺点。之后详细阐述了耦合机器学习与CFD的预测方法的原理，说明该方法在恶劣炉内环境中受到的影响较小，综述了该方法在燃烧火焰结构及参数和炉膛温度场的应用研究，表明了该方法应用于炉膛温度场的可行性，并可准确地预测获得炉膛温度场。最后对炉膛温度场在线监测技术和耦合机器学习与CFD的预测方法的未来发展趋势进行了分析，以便在电站智能化建设进程下，为实时快速获得更准确的炉膛温度场提供思路。

关键词： 人工智能   中华优秀传统文化   传承发展  

摘要： 人工智能技术虽能为中华优秀传统文化的创造性转化、创新性发展和时代性变革赋能。但也存在模式固化、信息茧房、技术不可控性等问题，影响着中华优秀传统文化的情感表达、文化底蕴。因此，文章提了出构建多元交互的数智化体系、打造体系完整的文化数据库、创立互动融合的长效机制和防控体系等相应的人工智能赋能中华优秀传统文化传承与发展的实践路径。

关键词： 人工智能   计算机断层扫描   磨玻璃结节   肺腺癌   预测模型  

摘要： 目的：基于AI定量参数和CT征象构建磨玻璃结节（GGN）肺腺癌的预测模型，并探讨模型的预测价值及进行验证。方法：回顾性收集我院术后病理明确的GGN患者225例，符合纳入标准的GGN共261枚，按8∶2随机拆分为训练集和验证集。根据病理结果将GGN分为腺体前驱病变组和腺癌组，比较训练集中两组的AI定量参数和CT征象的差异性，运用多因素logistic回归筛选GGN肺腺癌的独立危险因素，构建预测模型及绘制列线图。采用受试者工作特征曲线（ROC）下面积（AUC）、校准曲线和临床决策曲线（DCA）评估模型的预测性能，验证集对模型进行验证。结果：Kappa检验显示两名主治医师对CT征象的观察一致较好。训练集和验证集基线分析显示，两者各变量均无统计学差异。训练集中，经单因素、多因素分析显示分叶征（OR=3.147,95%CI:1.303～7.601）、空泡征（OR=2.563,95%CI:1.109～5.922）、血管异常征（OR=3.551,95%CI:1.545～8.164）、长径（OR=1.154,95%CI:1.014～1.312）、平均CT值（OR=1.006,95%CI:1.003～1.009）是GGN肺腺癌的独立危险因素，预测模型在训练集和验证集的AUC分别为0.901(95%CI:0.859～0.943)和0.896(95%CI:0.810～0.983)，具有较好的区分度，均优于单个独立危险因素。Hosmer-Lemeshow检验显示模型在训练集和验证集中均具有较好的拟合度；DCA曲线显示模型具有较好的临床适用性。结论：基于AI定量参数和CT征象构建的GGN肺腺癌预测模型具有较好的预测性能，可以为临床决策提供参考。

关键词： 交通工程   事故风险   安全替代指标   高速公路夜间养护作业区   机器学习  

摘要： 复杂多变的夜间环境以及压缩的行驶空间显著增加了养护作业区的交通事故风险。为辨析风险特征以及捕捉影响因素与事故风险的内在联系，本文通过无人机航拍重庆市某段高速公路夜间养护作业区的交通流视频，利用Tracker软件提取车辆微观轨迹数据，揭示夜间养护作业区时空轨迹、车速、车头时距分布等交通流特征。基于时间和能量的安全替代指标分别研判事故发生的可能性和潜在事故后果的严重性。最后，通过极限梯度提升算法（XGBoost）构建车辆碰撞损失能量指数（LEI）预测模型，并结合SHAP算法量化解释速度、车头时距、交通冲突以及避免碰撞减速度等特征因素对潜在碰撞损失能量指数的影响机理。结果表明，从警告区到过渡区的车头时距呈现先减小后增大的趋势，车头间距在2.5～3.0m易发生严重追尾事故，大货车换道风险比小型车更大。避免碰撞减速度、换道冲突(TTCc)、车头时距、速度和行程时间等是影响车辆LEI的重要特征因素。当车流量大于1000pcu/h，且车辆速度在（1.25， 2.5）m/s范围时，LEI随相邻车距离的减小而增大，随避免碰撞减速度的增大而增大。当车流量小于1000pcu/h，且车头时距在（3， 8）s范围时，LEI随1/TTCc的增大而增大；车辆速度在（12.5， 20）m/s时，LEI随DRAC的增大而增大。

关键词： 人工智能   创新应用   先导区   济南   试验区  

摘要： 一 济南新建了一个"岛"! 2024 年 12 月 25 日,山东(济南)人工智能岛启用. 这是济南为建设国家人工智能创新应用先导区、新一代人工智能创新发展试验区"双区",打造的展示体验窗口.

关键词： 现代高效农业   智能制造   晶体材料   生物医药   新一代信息技术   集成电路   成果发布   高端数控机床  

摘要： 1月8日,在2024济南好成果发布暨高价值技术成果市内转化推介会上,发布了20项"济南好成果提名榜单",其中,入选"山东好成果专报"10 项,入选"济南好成果"榜单 10 项,主要涉及新一代信息技术、量子科技、集成电路、晶体材料、生物医药、智能制造、新能源装备、精品钢、高端数控机床、现代高效农业等领域.