关键词： 白纹伊蚊   机器学习   时空分布  

摘要： 目的 根据我国白纹伊蚊时空分布数据构建随机森林模型，预测不同时期白纹伊蚊的空间分布，比较白纹伊蚊时空分布特征并识别白纹伊蚊分布的主要影响因素。方法 通过文献检索收集我国2000—2019年的白纹伊蚊的分布信息，建立我国历年白纹伊蚊时空分布数据库。为减少单一年份数据的不稳定性，以5年为1个时间段合并数据。选取气温、气压、露点温度、风向、风速、云量、降水量等气候因素和人口密度、国内生产总值（gross domestic product，GDP）等社会和城镇化因素构建随机森林模型；基于随机森林预测结果分析白纹伊蚊在我国七大主要气候区的分布占比和扩散特征。结果 人口密度和GDP对我国白纹伊蚊的分布影响显著，且强于气候因素的影响。白纹伊蚊主要分布于我国暖温带半湿润地区、北亚热带湿润地区和边缘热带湿润地区，占比> 95%，并且暖温带半湿润地区的白纹伊蚊分布占比逐年增高。结论 社会经济和城镇化因素对白纹伊蚊分布有重要影响。暖温带半湿润地区逐渐成为白纹伊蚊分布的热点地区，未来需重点关注这一地区白纹伊蚊的防控。

关键词： 潜在蒸散发模拟   径流模拟   机器学习   黄河源区  

摘要： 针对黄河源区水文情势复杂多变、径流模拟精度不足的问题，旨在构建融合潜在蒸散发(ETP)预测的径流模拟方法，提升高寒地区径流模拟的可靠性。本研究采用随机森林（RF）、多层感知机（MLP）和极限学习机（ELM）3种机器学习方法，引入LSTM和PatchTST深度学习方法，融合PET预测值进行径流模拟，评估不同气象因子组合下ETP的模拟性能。研究结果表明：最高气温是ETP模拟的最关键驱动因子，最高气温、相对湿度与风速组合情景下的ETP模拟精度最高；在深度学习模型中，PatchTST模型在预测未来1个月潜在蒸散发时表现次于LSTM模型，但在多步长预测中表现更优；融合潜在蒸散发预测数据后，模型性能显著提升；以唐乃亥站PatchTST模型为例，纳什效率系数从0.706增至0.896（改进幅度26.9%），平均绝对百分比误差从23.502降至18.305（降幅22.1%），均方根误差从276.7 降至160.8（降幅41.9%），表明PET数据有效捕捉了蒸散发对径流损失的动态影响。研究成果可为高寒、缺资料地区的水文预报工作提供更精准的解决方案。

关键词： 人工智能   材料设计   小数据集   迁移学习   主动学习  

摘要： 人工智能(AI)的崛起正推动材料科学迈入高效设计与发现的新时代,其核心在于通过数据驱动的模型揭示材料构效关系的深层规律.然而,与自然语言处理、计算机视觉等领域相比,材料数据的规模受限于实验合成表征以及高精度计算的高成本,呈现出典型的“小数据”特征,这为AI模型的泛化能力与预测精度带来严峻挑战.本文系统综述了面向小样本材料数据的高效学习策略与技术路径,并介绍了课题组在该领域的研究成果:首先,针对材料数据的高维度、稀疏性和强关联特性,重点探讨基于迁移学习、主动学习与针对材料的特征工程来突破小样本约束;其次,剖析材料数据的演进趋势,主要聚焦高通量计算、生成模型与标准化数据库的协同发展;最后,展望材料大数据与AI深度融合的前沿方向,如基于大语言模型的材料设计,跨材料体系的预训练大模型构建.本文重点介绍作者在小数据场景下开发的AI驱动的材料设计方法,同时探讨材料数据与AI模型协同发展为材料科设计范式带来的转变.

关键词： 人工智能   船舶安全   最优脑手术剪枝算法   多层感知机   多船协同优化   多模态特征融合   混合整数规划  

摘要： [目的]针对海上风电施工中多船抛锚协同决策效率低、安全风险高的难题，提出一种基于最优脑手术剪枝算法-多层感知机（OBS-MLP）融合算法的智能化锚位管理方法。[方法]首先，构建“特征解耦-动态剪枝-偏好决策”三级优化框架，融合决策树与神经网络优势，通过OBS剪枝策略降低模型参数冗余度，解决传统算法在高维决策空间中的"维度灾难"问题；其次，建立多模态特征融合机制，实现环境静态特征与动态交互特征的分层提取与协同优化；最后，设计混合整数规划约束下的偏好决策模型，以量化不同调整策略的经济性与安全性权重。[结果]以广东某海上风场为例，算法平均精确率达到95.3%（较单一算法提升8.05%），平均响应时间缩短至0.9 s（提升30.77%），年减少潜在经济损失约24万元，有效降低了船舶抛锚作业中的安全风险。[结论]该研究可为多船抛锚协同优化提供高效解决方案，推动海上安全管理的数字化转型。

关键词： 量化投资   股票预测   机器学习   自然语言处理  

摘要： 股票价格预测一直是金融研究热点领域。近年来，量化投资方法凭借其客观性、系统性与高效性，逐渐成为股票市场研究的主流方向。随着大数据时代的到来，海量、多源、异构的数据为市场建模与决策提供了丰富的信息基础，有效融合多模态数据已成为提升预测准确性的关键路径。文章系统梳理了量化投资方法的理论演进，回顾了机器学习在股票预测中的应用发展。围绕数据、模型与算法三个维度，对近年来基于量化方法的研究成果进行了综述，深入分析并比较了不同研究在方法创新与技术实现上的差异与优势。此外，文章还探讨了当前研究中面临的挑战与局限，归纳总结了现有实践经验，并对多模态异构数据融合、弱信号挖掘、迁移学习及组合权重优化等研究方向进行了深入分析与展望。

关键词： 人工智能   教学改革   教学研究   电磁场理论   涡流检测  

摘要： 《高等电磁场》课程是电磁场与无线技术专业开设的一门重要的专业基础课，是微波工程、天线理论等课程的学习基础.该课程立足于麦克斯韦方程的积分和微分形式的求解，各个知识点的学习均以大量的公式推导为基础，理论性强、概念抽象.将人工智能方法引入《高等电磁场》课程的学习，既可以保持该课程知识点的传授与可持续性发展，又融合了当下流行的人工智能算法，激发了学生的学习动力.本文将以《高等电磁场》课程中涡流检测问题和电磁散射问题的授课为例，对复杂繁琐的检测响应的全波仿真计算引入人工智能算法，将复杂的数值计算和当下主流的人工智能算法相结合，避免了突兀枯燥，引发学生的学习热情，通过结合实际涡流检测的工程案例，将理论融入实践，提升学生参与度并激发其创新潜力.

关键词： 针灸   数智技术   人工智能   针灸现代化   中医药国际化  

摘要： 概述针灸与数智技术结合的相关时代背景，并对近年来针灸与数智技术结合的相关研究进行梳理，分别从经络腧穴、刺灸手法、临床研究3个方面探讨数智技术与针灸结合的研究现状与落地场景、应用价值与发展前景。发现针灸数智化过程中面临着针灸从业者的准备不充分、高水平研究平台较少、交叉复合型人才缺口较大、数据的数量与质量受限以及研究深度与广度不足等问题，并尝试针对针灸数智化过程中存在的相关问题结合行业的发展与研究现状给出相应的分析与建议。未来通过数智技术赋能针灸科研，可以帮助研究者在更多维度与更深层次上探索针灸的作用机制，产生更客观化、更高质量的循证医学证据，推动针灸行业发展、加快针灸现代化及中医药国际化的进程。

关键词： 算法推荐   人工智能   思政课教学  

摘要： 算法推荐等新一代人工智能技术的飞速发展和广泛应用，加速了高校思政课教学的深刻变革与跃升发展。算法推荐在精准定位、精准投送、精准反馈等方面具有无可比拟的优势，为高校思政课教学改革创新提供新机遇。算法推荐的负面效应同时也带来弱化教学主体地位、遮蔽教学内容价值、异化教学评价考核等多重风险。鉴于此，规制算法推荐嵌入高校思政课教学的潜在风险，应规范算法应用，提高主体算法素养；发挥算法正向效应，加强知识传递实践；以算法正义摆脱束缚，重构教学评价生态。

关键词： 基于科学的企业   违规的预测因素   机器学习  

摘要： 在强调科学驱动创新的当下，基于科学的企业却频频违规，哪些因素可以预测这类企业的违规行为是一个关键问题。本文以2008-2019年的基于科学的上市企业为样本，利用机器学习方法对该类企业违规的预测因素进行实证研究，并尝试解析了该类企业的治理过程。研究发现：（1）企业层面因素更能预测该类企业的违规行为，违规行为的产生机理主要源于企业异质性带来的企业效应；（2）作为最重要的预测因素，第一大股东持股比例和资产利润率降低了基于科学的企业违规概率，而资产负债率提升了这类企业的违规概率；（3）由于科学家和外部投资者的注意力焦点不同，该类企业的治理面临着“科学”和“资本”的权衡，可能会出现“科学逻辑”和“市场逻辑”的悖论，三种可能的路径有助于缓解悖论，增强“科学”导向，聚焦长期利益，降低违规倾向。本文拓展了基于科学的企业内部治理机制的研究，为该类企业提升内部治理水平提供了实际参考，也为投资者筛选投资项目以及参与企业治理提供了理论支持。

关键词： 无人机高光谱   特征提取   面向对象   机器学习   农作物分类  

摘要： 快速准确获取农情信息与农作物种植结构，对保障粮食安全与农业可持续发展有重要意义。基于此，以无人机高光谱影像为数据源，使用面向对象的方法进行农作物精细分类。首先使用最小噪声分离变换对无人机高光谱数据降维处理，然后通过eCognition软件进行多尺度分割，利用ESP2插件确定最佳分割尺度后进行尺度分割，最后采用面向对象的K-近邻（KNN）、分类与回归树（CART）、支持向量机（SVM）和随机森林（RF）4种机器学习算法进行分类，并采用总体精度、Kappa系数、用户精度、生产者精度对分类结果进行评价。结果表明：4种分类方法中RF算法分类效果最好，与实际作物类型及分布有较好的一致性，其总体精度达到95.84%，比KNN、CART和SVM算法分别高出8.43个、4.32个、2.20个百分点，其Kappa系数高达0.9487，比KNN、CART和SVM算法分别高0.1055、0.0537、0.0275，对玉米的分类效果最好。研究结果可为小尺度下的农作物精细分类提供参考。