关键词： 复合固体推进剂   快速检测   机器学习   人工智能   数据优化  

摘要： 复合固体推进剂作为固体火箭发动机的核心功能材料,其组分表征技术直接关联推进剂性能调控、贮存稳定性评估及寿命预测等关键技术环节。随着固体推进剂配方体系呈现高能化和复杂化趋势,传统化学分析方法在检测效率和准确度方面的技术局限性日益凸显。本文系统综述了近十年复合固体推进剂组分快速表征技术的应用进展,重点探讨色谱法、极谱法、光谱法等现代仪器分析方法的技术特征,并剖析机器学习算法在光谱数据解析中的创新应用。基于当前技术瓶颈,从联用技术的高通量和自动化、便携式快速检测仪器的开发与应用、人工智能与快速检测技术的深度融合、人工智能与标准谱库的协同构建、复合型人才培养体系五个维度,展望未来复合固体推进剂组分快速检测技术的发展路径。

关键词： 自动驾驶技术   人工智能   敏捷治理   公共安全  

摘要： 自动驾驶技术的快速演进正在引发人与技术交互范式的变革,技术衍生的复合型风险也对现行治理体系构成了系统性挑战。基于分级标准,自动驾驶技术的风险样态在不同阶段具体表现为机械物理性风险、数据采集与车联网带来的网络安全风险及未来可能出现的社会秩序失范风险。文章认为,基于MMESE理论框架,自动驾驶技术的风险源由人因要素、机因要素和环境衍生要素共同构成,在传统伦理失效、传统治理失能和制度设计滞后的叠加下加速风险生成,并通过社交网络与新闻媒体的多级传播形成风险扩散。根据敏捷治理理论,应从适应性治理、灵活性治理及多元性治理三个维度协同推进自动驾驶技术的风险治理,实现风险防控与技术进步的价值平衡。

关键词： 道路工程   路面技术状况   路面跳车   路面性能   机器学习   随机森林  

摘要： 我国《公路技术状况评定标准》(JTG 5210-2018)中,第一次将路面跳车作为路面性能评价对象纳入评价标准,但经研究发现路面跳车与其他部分传统路面性能存在相关性。探究用部分传统路面性能指标,包括国际平整度指数(international roughness index, IRI)、车辙深度、路面破损率和路面磨耗率4项指标综合识别路面跳车的方法。对北京市区域内6条高速公路的路面性能进行检测和评价,利用随机森林机器学习模型对4类路面性能与路面跳车的关系进行建模,对路面跳车路段进行预测。研究结果表明,IRI与路面跳车关联性最大,车辙深度次之,破损率和磨耗率对路面跳车的影响较小。经过交叉验证以及对模型调优后,路面跳车预测模型准确率可以达到99.475%,满足实际工程应用需要。该研究为路面跳车指标的快速识别和检测提供了新思路,可以为路面跳车的识别提供一种低成本、低资源消耗的检测方法。

关键词： 人工智能   高校体育教学   现实困境   对策  

摘要： 随着人工智能技术的快速发展,其在教育领域的应用日益广泛。在高校体育教学中,人工智能的融入为创新教学模式、提升教学效果带来了新的机遇。本文采用文献资料法、逻辑分析法等研究方法探讨人工智能赋能高校体育教学的现实困境与对策研究。研究认为:人工智能赋能高校体育教学的内涵是借助人工智能技术深度融入高校体育教学的各个环节,利用其功能和特性,优化教学过程、提升教学效果、满足学生个性化学习需求,并表现出显著的功能特征和阶段特征;但在实际应用过程中,面临诸多现实困境。如教学资源配置不均衡、隐私数据泄露风险、体育教师角色定位困境、学生自主学习能力降低。对此,提出优化地区教学资源配置、搭建数据安全治理机制、提升体育教师智能信息素养、加强学生自主学习能力等纾解对策。

关键词： 人工智能   蛋白质工程   蛋白质结构预测   蛋白质设计   生物合成  

摘要： 蛋白质功能与其三维结构间存在着密不可分的关联,这一认知长期引领着生命科学领域的探索方向。科学家们为解析蛋白质结构投入了大量精力,而蛋白质测序技术的迅猛发展,使得序列数据呈指数级增长,与结构研究进展之间的差距日益显著。过去十几年间,人工智能技术的蓬勃发展为这一困境带来了转机,其以深度学习、神经网络等核心算法为支撑,推动蛋白质工程迎来了全新变革。借助人工智能技术,新一代蛋白质结构预测和设计方法取得重大突破。这些基于先进算法的工具,极大地提高了蛋白质结构建模的准确性和速度。它们不仅助力结构生物学、药物研发等领域的发展,还为蛋白质合成提供了关键依据。除此之外,人工智能正推动蛋白质研究从“结构解析”向“逆向设计”转型。通过构建序列-结构-功能的多维度关联模型,研究人员能够基于特定功能需求,反向设计具有预期结构的蛋白质序列。从而更精准地设计蛋白质序列,为生物合成开辟新路径。本综述聚焦于人工智能在蛋白质工程中的核心作用,阐述了蛋白质工程目前所面临的挑战和传统蛋白结构解析方法所面临的瓶颈,并以此引入介绍了基于人工智能的结构预测工具的发展,分析其在蛋白质合成中的应用;探讨人工智能驱动下,从结构解析到合成蛋白的算法革命及未来潜在方向,以期为该领域的研究提供参考。

关键词： 高压电气设备   故障诊断   人工智能   卷积稀疏编码   极限学习机  

摘要： 为了提高高压电气设备的故障诊断效率与准确性,本文提出了一种基于人工智能的自动化故障诊断方法。该方法结合了数据预处理、特征提取和故障分类三个关键步骤,使用卷积稀疏编码进行无监督特征学习,并采用极限学习机实现故障分类。实验结果表明,该方法能够有效识别四种典型的高压电气设备故障,具有较高的准确率和较快的诊断速度,为智能电网的建设和维护提供了技术支持。

关键词： 人工智能   医疗健康   计算机视觉   自然语言处理   智慧医疗  

摘要： 得益于政策扶持和技术发展,人工智能在医疗领域可以实现智能诊断、智慧医疗管理等的多重应用。本文对人工智能中的计算机视觉、自然语言处理的部分代表性技术与应用现状进行研究,同时探讨了人工智能在医疗领域落地过程中面临的社会和法律层面的挑战,并提出了相应的解决方向。为未来智慧医疗系统的构建与优化提供参考。

关键词： 机器学习   珠江流域   水质分类   神经网络   支持向量机   随机森林   长短时记忆  

摘要： 近年来,由于城市污水排放污染,珠江流域特别是珠三角某些区域存在严重水质问题。该文以珠江流域广州地区11个断层为例,选取了2021年8月至2022年9月共20680个数据,分别从检测时间、水温、pH值、溶解氧、高锰酸钾指数、氨氮含量、总磷、总氮、电导率、浊度等9个特征值作为输入量,进行水质数据挖掘预研究,并分别利用BP神经网络、GA_BP神经网络、支持向量机SVM、随机森林SF及长短时记忆LSTM等机器学习模型,对水质类别进行分类预测。结果表明,9个输入特征值中,溶解氧对水质分类的影响最大;5种机器学习模型中,随机森林的运行时间最短,且准确率最高,该训练模型可用于更多水质分类问题。

关键词： 电子系统   高功率微波   效应研究   人工智能   效应数据库  

摘要： 开展电子系统高功率微波(high-power microwave,HPM)效应研究对信息化战争意义重大。本文基于HPM技术发展历程,首先介绍了电子系统面临的HPM威胁。其次,阐述了电子系统HPM效应研究的主要问题,分析了解析法、数值法和试验法的研究现状。最后,探讨了效应研究的下一步发展趋势。当前,针对复杂电子系统开展HPM效应研究仍面临算法和模型优化、数据精确测量等现实问题。传统理论分析方法可与人工智能技术有机融合,提高计算精度和效率。在大模型技术的驱动下,HPM效应评估技术将进一步发展,有效提升电子系统HPM防护能力。

关键词： 土壤   重金属   APCS-MLR受体模型   机器学习   源解析  

摘要： 以重庆市煤矸山周边土壤为研究对象,运用决策树(DT)、随机森林(RF)和支持向量机(SVM)等3种机器学习算法开展土壤重金属影响因素分析,并将机器学习算法和绝对因子得分-多元线性回归(APCS-MLR)受体模型联用,开展土壤重金属溯源解析.土壤表层ω(Cd)、ω(Hg)、ω(As)、ω(Pb)、ω(Cr)、ω(Cu)、ω(Ni)和ω(Zn)均值分别为0.44、0.18、9.92、32.3、129、100、72.8和148 mg·kg^(-1),结合剖面数据分析,研究区Cd、Hg、As、Pb、Cr、Cu、Ni和Zn含量受不同程度人为活动影响.机器学习算法表明,随机森林(RF)算法优于决策树(DT)和支持向量机(SVM)算法,Cd、Hg、As、Pb、Cr、Cu、Ni和Zn拟合度(R^(2))分别为0.783、0.728、0.528、0.753、0.753、0.853、0.822和0.756.煤矸山堆存量(X_(1))、土壤点位与煤矸山相对高差(X_(2))和与煤矸山距离(X_(3))是影响土壤重金属含量的首要人为因素.结合受体模型源解析表明,研究区受自然源、矿业源和混合源(大气沉降、农业生产、生活、交通排放等)影响,贡献率分别为42.5%、37.1%和20.4%.机器学习和受体模型联用,可以使源解析结果更加全面、准确和可靠.