关键词： 特殊地质   地基承载力   深度神经网络   自适应矩估计   人工智能  

摘要： 特殊地质条件下的岩石地基承载力是岩土工程领域中的重要力学参数,直接关系到地面建筑工程的安全性与稳定性。为克服现有计算方法的不足,该文提出一种基于深度神经网络模型的计算方法。该方法将影响地基承载力的多个关键因素作为模型输入,利用自适应矩估计算法不断迭代更新网络连接权重和偏置,逐步挖掘出影响因素和地基承载力之间的复杂非线性关系。测试结果表明,该模型可以根据测试数据快速且有效地预测地基承载力,在工程实践中具有较大的应用潜力。

关键词： BIM技术   结构优化   大数据分析   参数化设计   机器学习  

摘要： 以上海某300m超高层建筑为例,运用BIM技术对结构设计方案进行优化。通过建立参数化模型,采用ETABS与Revit软件联合分析,获取8640组构件数据。利用机器学习算法对数据进行分析,建立了预测模型,实现了结构构件尺寸的智能优化。经实践验证,该方法使结构用钢量减少12.3%,混凝土用量降低8.7%,且各项性能指标满足规范要求。

关键词： 人工智能   林木采伐   伐区调查   精度提升   地理信息系统   移动地面激光扫描  

摘要： 聚焦于林木采伐伐区调查设计领域,针对传统调查方法存在的数据计算误差大、设计精度低等问题,提出基于人工智能(人工智能)与地理信息系统(GIS)技术融合的伐区调查设计方案。引入“林木采伐设计助手V1.0”及“数字森林的人工智能(人工智能D-FOREST)”软件,结合移动地面激光扫描(MTLS)技术获取的点云数据,实现伐区调查的自动化、智能化处理。以上思县平广林场为实验区域,对比分析人工智能方案与传统调查方法在精度、效率及成本方面的差异。结果表明,人工智能方案在树木数量检测率、胸径(DBH)、树高(Ht)及材积(Vt)等参数估测上精度显著提升,平均检测率达97%,胸径相对均方根误差(RMSE)为7.5%,同时可节约57.3%的调查时间,为林业资源可持续管理提供了技术支撑。

关键词： 人工智能   DeepSeek   教学设计   质量守恒定律  

摘要： 明确应用DeepSeek开展教学设计的一般流程,并以“质量守恒定律”为例,分别从目标分析设计、教学活动设计和教学评价设计三个基本要素阐述如何应用DeepSeek赋能化学教师开展教学设计。同时指出使用DeepSeek开展教学设计时教师应注意的问题和行之有效的指令,为人工智能背景下化学教师的教学提供有效的参考。

关键词： 空间大地测量   对流层湿延迟   机器学习   随机森林   样本空间  

摘要： 对流层湿延迟现已成为影响GNSS、VLBI等空间大地测量技术的主要误差源之一.目前,用于湿延迟计算的经验函数,在气候变化剧烈的情况下精度较低,而精度较高的分层积分法又依赖垂直剖面气象参数的获取,不便实时计算.鉴于此,本文提出了一种基于地表观测要素的快速计算湿延迟的随机森林(RF)方法.实验结果表明,与经典的GPT3模型相比,RF能显著提高湿延迟的计算精度,均方根误差、平均绝对误差、平均误差分别改善60%、70%、90%以上;随后,定量分析了影响湿延迟的各类因素,其中地表水汽压的影响最大,重要性几乎达到50%,其次是2m露点温度、晴空地表向下热辐射,三项之和接近80%;最后,通过设置不同的样本空间训练生成RF模型,并对不同特征维数和时间跨度组合下的性能进行统计,结果发现,在考虑样本数据获取困难、训练时间、模型大小、计算效率和精度等因素时,特征维数为8、时间跨度为4年的情况综合效果最优.

关键词： 无人驾驶清扫车   人工智能   环境感知   深度学习   目标检测  

摘要： 随着智慧城市与城市精细化管理的持续推进,人工智能驱动的无人驾驶清扫车在城市环境服务中的应用逐渐兴起。环境感知系统作为其关键技术,直接关系到车辆在复杂动态场景下的安全性、清扫效率与路径决策能力。聚焦人工智能驱动的无人驾驶清扫车环境感知技术,针对城市复杂道路环境下的清扫作业需求,设计多传感器融合的感知系统架构,并引入YOLO、MaskR-CNN等深度学习模型实现对垃圾、行人、障碍物等目标的实时识别与动态跟踪,以期提升系统响应效率与场景适应性。

关键词： 人工智能   短视频   高校图书馆   信息素养   DeepSeek  

摘要： 随着人工智能技术的快速发展,短视频在推动基层理论宣传普及方面发挥日益显著的作用。高校在推动社科理论下基层方面拥有得天独厚的优势和义不容辞的社会责任,其可探索短视频教学模式,助力社科理论普及。文章以高校信息素养课程为例,探讨人工智能环境下短视频教学面临的现实问题,提出相应的优化对策,即“加强教师短视频相关技术支持”“提高学生参与度与互动性”“完善隐私保护与数据安全机制”。

关键词： 企业内部   专利情报   数据库   人工智能   市场活动  

摘要： 企业内部专利情报数据库的建立,有助于健全企业的情报信息管理体系,实现专利情报的有效利用,使技术情报(包括专利情报和非专利情报)和市场情报在企业内部快速流动和共享,推动企业自主创新能力的提高。鉴于业内在结合市场情报方面的相关研究还略显欠缺的情况,该文从市场活动主要参与者的角度,结合企业内部的专利情报分析实践工作,围绕企业内部专利情报数据库的建立,提出专利情报数据库的基本架构,介绍专利情报数据库的运作及输出呈现,并介绍借助AI技术进一步完善专利情报数据库,为相关企业能够更有效地利用专利情报分析提供有价值的参考。

关键词： 人工智能   心律失常   诊断   治疗  

摘要： 本文围绕人工智能(artificial intelligence,AI)技术在心律失常诊疗领域的应用,简介了国内外相关最新研究成果。文章不仅概述了AI在心律失常的筛查与诊断中能明显提升检测效率及准确率,而且强调了AI在心律失常及其相关并发症风险预测和指导心律失常临床治疗中的价值。此外,本文梳理了AI诊治心律失常面临的挑战,包括数据数量和质量问题、AI学习过程的“黑匣子”效应、模型泛化问题、技术伦理问题,以及AI模型的临床接受度,并展望了AI技术将与医学深度融合,全面深入心律失常诊疗各环节,从而优化医疗资源配置和医疗服务流程,提高医疗效率和质量,改善患者预后。

关键词： 无人机激光雷达   无人机光学影像   单木尺度   地上生物量   机器学习  

摘要： 【目的】针对北方森林,协同无人机激光雷达和无人机RGB影像进行单木地上生物量估测,以彰武县樟子松和杨树为研究对象,探究应用组合数据和单一数据对针、阔叶林单木地上生物量估测的影响,为彰武县防风固沙人工林单木地上生物量的精准预测提供技术参考。【方法】从LiDAR点云和基于RGB光学影像获取的数字正射影像图(DOM)中提取单木尺度高度、强度、密度、冠层结构、光谱、纹理和植被指数多特征,采用置换重要性(PI)和Boruta优选特征子集,结合地面实测单木地上生物量数据,使用随机森林(RF)、极端梯度提升树(XGBoost)和分类提升算法(CatBoost)3种典型机器学习方法构建樟子松和杨树地上生物量估测模型,对仅用LiDAR数据、仅用DOM数据以及联合二者的建模结果进行比较。【结果】1)点云高度和冠层结构是估测2个树种单木地上生物量的关键特征;纹理特征仅对樟子松地上生物量估测产生积极影响。2)对于樟子松,基于组合数据的单木地上生物量估测精度最高,优于单一LiDAR和单一RGB影像;3种数据集的最优模型分别为ALL-PI-XGBoost、LiDAR-PI-XGBoost和DOM-PI-RF,测试集R^(2)分别为0.77、0.69、0.67,RMSE分别为10.94、12.75、13.16 kg·plant^(−1)。对于杨树,基于组合数据和单一LiDAR数据的单木地上生物量估测精度相当,且优于单一RGB影像;3种数据集的最优模型分别为ALL-PI-XGBoost、LiDAR-Boruta-XGBoost和DOM-Boruta-CatBoost,测试集R2分别为0.85、0.85、0.59,RMSE分别为17.63、17.11、28.99 kg·plant^(−1)。【结论】基于低成本无人机遥感技术获取的高密度点云和高分辨率影像可以实现彰武县防风固沙人工林单木地上生物量高精度、快速且无损估测;应用组合数据和单一数据对针、阔叶林单木地上生物量估测有不同影响,组合数据可以显著提高樟子松单木地上生物量估测精度。