关键词： 台风生成   支持向量机   机器学习   气候变化  

摘要： 台风每年造成严重损失，准确预测其生成数量和位置对防灾减灾至关重要。本文提出一种基于支持向量机（SVM）的数据驱动台风生成预测方法，并评估其在气候变化情景下的适用性。研究选取850hPa绝对涡度、600hPa相对湿度、垂直速度、海表温度、850–200hPa垂直风切变等关键气象参数，构建高维映射关系，以预测西北太平洋（WNP，0°N–60°N，100°E–180°E）台风生成。基于1979–2014年MIROC历史数据训练SVM模型，并优化正反例比例和训练-测试集划分。随后，利用MIROC6SSP585（2015–2019）进行台风生成预测，并与JMA观测数据对比，验证模型的有效性。最终，预测2020–2100年SSP585情景下的台风生成趋势。结果表明，在SSP585 情景下，西北太平洋台风生成数目总体呈上升趋势，且生成位置长期呈东北偏移。研究表明，SVM 可有效应用于气候变化情景下的台风生成预测，为未来极端天气的风险评估和防灾减灾提供新方法参考。

关键词： 大语言模型   自然语言处理   机器学习   人工智能   可解释性   材料科学  

摘要： 数据驱动方法已成为材料研究的重要趋势,大语言模型的出现不仅为材料科学领域非结构化数据的处理提供了潜在的解决方案,还能够通过其强大的语言理解和生成能力,助力科研中的知识发现、自动化分析、可解释性提升以及多模块协同操作,从而可推动材料科学研究的效率提升与创新突破.从大语言模型的理论基础出发,探讨其重要功能、优化方法及其在材料科学中的应用.特别是,大语言模型能够有效处理和提取非结构化文本中的关键信息,帮助加速材料的发现与设计.最后还展望了大语言模型在人工智能与材料科学融合领域的未来发展前景,指出其在推动材料科学研究自动化和智能化方面的巨大潜力.

关键词： 玉米   植被指数   机器学习   氮素含量  

摘要： 以新疆塔城地区额敏县团结农场的玉米田为对象,探究遥感植被指数和机器学习方法在玉米氮素含量监测中的应用。研究分别于拔节期和抽雄期采集玉米叶片氮素含量和多光谱影像数据,并利用皮尔逊相关性分析筛选出与氮素含量高度相关的植被指数。拔节期筛选出NDVI、DVI、MCARI1等10个植被指数,抽雄期筛选出VI、GNDVI、MCARI1等10个植被指数。随后,利用PLSR、Ridge、CatBoost、XGBoost和RF这5种机器学习算法构建氮素含量反演模型,并对比分析其精度。结果表明,拔节期PLSR模型表现最优,其决定系数（R2）为0.442,均方根误差（RMSE）为2.728;抽雄期CatBoost模型表现最优,其决定系数（R2）高达0.691,均方根误差（RMSE）和相对均方根误差（rRMSE）分别为1.901和0.104。这表明PLSR模型能够较好地描述拔节期玉米氮素含量与植被指数之间的线性关系,而CatBoost模型能够更有效地捕捉抽雄期数据中的非线性关系。该研究结果能够有效预测不同生育期玉米氮素含量,有助于优化施肥方案,提高氮肥利用效率,进而提升玉米产量和品质,促进农业可持续发展。

关键词： 智能网联汽车   人工智能   产业生态圈  

摘要： 本文基于智能网联汽车典型应用场景库与人工智能产业基础,以场景驱动的技术需求与产业链协同创新为两大动力轮,以长沙为例构建"智能网联汽车应用场景—人工智能产业生态"的映射对应关系,实现场景需求到产业生态闭环的正向循环,并针对智能网联汽车应用场景驱动下的人工智能产业生态圈构建所存在的短板问题提出改善路径.

关键词： 胰岛移植   糖尿病   机器学习   基因组学   转录组学   微生物组学   蛋白质组学   代谢组学  

摘要： 胰岛移植作为一种有效的糖尿病治疗方法，近年来日益受到关注。但胰岛移植面临供者短缺、胰岛分离和移植过程中损失以及需要终身免疫抑制等挑战。随着多组学技术的快速发展以及机器学习算法的广泛应用，研究人员开始探索如何利用这些创新技术提高胰岛移植的成功率并改善患者的生活质量。机器学习在数据整合、模式识别和预测准确性方面展现出独特优势，支持精准预测和个性化治疗策略。多组学与机器学习的结合有望通过优化供受者匹配和个性化免疫抑制方案，革新糖尿病管理并助力精准医学发展。因此，本文就多组学和机器学习在胰岛移植中的应用现状进行综述，探讨其对糖尿病治疗的潜在影响，并展望未来的研究方向，旨在为优化胰岛移植治疗糖尿病的提供参考。

关键词： 人工智能   高等教育数字化   数字胜任力   个性化学习  

摘要： 高校管理者、教师和学生等主体尚未做好应对智能时代动态变化的准备.

关键词： 粒子群优化算法   支持向量回归   地上生物量   思茅松   机器学习  

摘要： 基于哨兵2（Sentinel–2A）遥感数据，利用粒子群优化算法（PSO）优化支持向量回归（SVR）模型的惩罚参数（C）和核函数参数（γ），提高AGB反演精度。在变量选择过程中，采用分级变量选择方法，按照皮尔逊相关系数的绝对值排序，并构建不同变量组合的SVR和PSO–SVR模型，探讨特征选择对模型性能的影响。结果表明：通过五折交叉验证评估模型的泛化能力后，选择前10%分级变量的PSO–SVR模型表现最佳，其R2为0.989,RMSE为4.623 t/hm2，显著优于传统SVR模型（R2=0.813,RMSE=18.697 t/hm2）。随着变量数量增加，模型精度下降，所有变量参与建模时，PSO–SVR的R2降至0.311,RMSE增至35.831 t/hm2，表明冗余变量的引入会削弱模型的预测能力。综上所述，PSO优化SVR参数的有效性得到了验证，合理的变量筛选与优化算法结合可显著提高AGB估测精度。

关键词： 数据驱动   虚实结合   储油系统   人工智能   工控安全  

摘要： 在以石油石化行业为代表的工业控制领域，人工智能（artificial intelligence，AI）的应用愈发广泛，然而，该领域也面临着越来越复杂的安全威胁，急需培养AI与工控系统（inductrial control systems，ICS）安全复合型人才，但缺少兼顾灵活性和可靠性的实验平台和实验资源。该文在系统分析复合型人才能力培养的基础上，借鉴五维模型，提出了搭建结合真实硬件设备与仿真模型的储油控制系统安全架构及仿真实验平台，首先设计了储油控制系统的实体微缩模型，然后利用数据驱动的仿真建模技术建立了储油控制系统的虚拟模型。基于该平台，学生可以深入理解ICS架构，构建储油控制系统数据集，开展基于AI的ICS数据生成、故障预测、异常检测、态势感知与安全防护等实验，提高综合应用AI、ICS安全技术、数字孪生等技术的水平，以及解决复杂工程问题的能力。

关键词： 宫颈癌   放化疗   动态对比增强磁共振成像   表观弥散系数   机器学习  

摘要： 目的 探讨动态对比增强磁共振成像（dynamic contrast-enhanced magnetic resonance imaging, DCE-MRI）定量参数直方图特征联合表观弥散系数（apparent diffusion coefficient, ADC）预测局部晚期宫颈癌（locally advanced cervical cancer, LACC）放化疗疗效的价值。材料与方法 于甘肃省人民医院回顾性分析2017年1月至2023年12月88例LACC同步放化疗患者的临床及影像资料，前瞻性收集2023年12月至2024年5月15例LACC患者。按照实体瘤临床疗效评价标准（response evaluation criteria in solid tumor, RECIST）v1.1将患者分为显著反应组与非显著反应组。在DCE-MRI图像上选择肿瘤最大层面全肿瘤轮廓作为感兴趣区（regionofinterest,ROI）获得转运常数（volumetransportconstant,Ktrans）、血管外细胞外间隙容积分数（extravascular extracellular volume fraction, Ve）、速率常数（rate constant, Kep）原始频数表，导入IBM SPSS Statistics 27软件计算直方图特征，103例患者基于时间序列分层分割策略分为训练集88例，验证集15例，利用机器学习筛选最优DCE-MRI定量参数直方图特征并计算灌注参数评分（DCEscore）；同时在ADC图测量ADC值。构建DCE直方图特征模型、ADC值及联合模型预测LACC放化疗疗效。采用受试者工作特征（receiver operating characteristic, ROC）曲线、校准曲线和决策曲线评估模型效能。比较临床参数及直方图特征在LACC患者放化疗疗效显著反应组及非显著反应组间差异，单因素及多因素回归分析筛选宫颈癌放化疗疗效独立危险因素。结果 基于DCE-MRI定量参数直方图特征模型预测LACC患者放化疗疗效训练集、验证集ROC曲线下面积（area under the curve, AUC）分别为0.922、0.841;ADC值预测LACC患者放化疗疗效训练集、验证集AUC为0.835、0.705;DCEscore联合ADC值预测LACC患者放化疗疗效效能最佳，训练集、验证集AUC为0.943、0.909。临床参数中，身体质量指数（body mass index, BMI）在显著反应组及非显著反应组之间差异具有统计学意义（P=0.032）。单因素逻辑回归分析结果表明BMI、DCEscore、ADC是LACC放化疗疗效的影响因素（OR值分别为1.264、277.9、0.001;P值分别为0.008、<0.001、0.002），多因素逻辑回归筛选DCEscore及ADC值是宫颈癌放化疗疗效的独立危险因素（OR值分别为518.2、0.002;P值分别为<0.001、0.007）。结论 基于DCE-MRI定量参数直方图特征联合ADC值构建的联合模型能够治疗前预测宫颈癌放化疗疗效，提示DCE-MRI定量参数直方图特征联合ADC值可能为LACC患者精准医疗提供一种无创评估方法。

关键词： 多智能体路径规划   AGV调度   冲突解决   效率优化   智能制造  

摘要： 本文探讨了多智能体路径规划在AGV调度系统中的应用.随着工业4.0和智能制造的快速发展,AGV在现代化仓储和生产线中扮演着越来越重要的角色.多智能体路径规划作为一种先进的优化技术,能够有效解决AGV调度系统中的路径冲突和效率问题.本文首先介绍了AGV调度系统的基本概念和多智能体路径规划的理论基础,然后深入分析了多智能体路径规划在AGV调度中的具体应用方法.通过案例研究和实验分析,验证了该技术在提高AGV系统效率、减少冲突和优化资源利用方面的显著效果.最后,文章探讨了该领域面临的挑战和未来发展方向,为AGV调度系统的进一步优化提供了理论依据和实践指导.