关键词： 气管插管   术后咽喉疼痛   机器学习   随机森林   风险预测模型  

摘要： 目的 利用机器学习构建术后咽喉疼痛(POST)的风险预测模型。方法 回顾性收集2022年9月至2023年6月行全身麻醉气管插管成年患者757例,男327例,女430例,年龄≥18岁,ASAⅠ—Ⅲ级。根据术后24 h内是否发生POST将患者分为两组:POST组(P组)和无POST组(NP组)。收集患者术前、术中以及术后随访信息,将数据集随机划分成80%的训练集与20%的测试集,采用20折交叉验证以及网格搜索的方式在训练集上进行模型开发,测试集用于内部验证,分别建立逻辑回归(LR)、随机森林(RF)、自适应提升算法(AdaBoost)和极端梯度提升算法(XGBoost)等4种机器学习模型。采用受试者工作特征(ROC)曲线下面积(AUC)、准确性、敏感性、特异性、精确率-召回率曲线(PRC)下面积(AUPRC)、Brier分数评估模型的性能。采用夏普利加法解释(SHAP)对最佳性能的模型进行解释分析。结果 有221例(29.1%)患者发生POST。LR、RF、AdaBoost和XGBoost 4种机器学习模型的AUC分别为0.89(95%CI 0.87~0.90)、0.90(95%CI 0.87~0.91)、0.86(95%CI 0.81~0.89)和0.88(95%CI 0.86~0.91)。RF模型在测试集中表现最优,ROC曲线准确性84.0%,敏感性77.0%,特异性86.0%,Brier分数0.13,AUPRC 0.81,AUC 0.90。SHAP模型解释分析结果显示,拔管时导管套囊带血迹该变量对RF的贡献度最大,其余依次为留置气管导管时间、术中输液量、性别、年龄、气管插管次数>1次、ASA分级、留置胃管。结论 本研究基于LR、RF、AdaBoost和XGBoost算法构建4种POST风险预测模型,其中RF性能最佳。

关键词： 机器学习   多源数据融合   智能诊断   特征工程   随机森林  

摘要： 船舶机舱动力系统运行状态参数种类繁多,挖掘有效信息,实现性能诊断和评价一直是该领域研究的关键问题;机器学习方法是解决该问题的有效工具,本文以某公务船舶主机为研究对象,提出了一种基于机器学习的多源数据融合智能诊断方法,基于主机振动、瞬时转速、润滑油状态、排温以及各类热工参数等多种数据源,通过数据预处理和特征工程,提取关键特征,并利用机器学习算法进行融合训练,实现对机舱故障的智能诊断。

关键词： 结构健康监测   斜拉桥   温致挠度   机器学习   N-LSTM模型  

摘要： 斜拉桥的主梁挠度反映着结构的刚度状态,为精确识别异常挠度,需获得表征主梁正常服役状态的挠度基准值,因此需建立温度与温致挠度的非线性相关关系的回归模型,将温度数据输入该模型后得到的温致挠度预测值即可作为基准值。传统线性回归模型描述非线性关系的性能较差,因此需尝试利用不同的机器学习技术进行建模,以改善挠度的预测精度。经测试,嵌套长短时记忆网络(Nested Long Short-Term Memory,N-LSTM)模型的精度表现最优,均方误差仅为20.81 mm ^(2),以N-LSTM预测值为基准,结合t检验,能识别6%的异常挠度变化,有助于及早发现主梁异常。

关键词： DeepSeek   作战指挥   人工智能  

摘要： 随着智能化技术的不断进步,人工智能大模型在应急管理中的应用日益广泛。DeepSeek作为新一代多模态智能模型,具备强大的信息感知、语言理解与自主决策能力,为灭火救援作战指挥体系提供了高效的技术支撑。文章从信息汇聚、战术推演、实时调度和辅助决策等方面探讨了DeepSeek模型在火灾应对中的具体运用机制,分析其在提升作战指挥效率、降低人员伤亡、优化资源配置等方面的技术优势,并对其集成策略与部署要点进行技术性分析,为构建智慧应急指挥平台提供新路径与实践参考。

关键词： 机器学习算法   信贷违约预测   随机森林   SVM   逻辑回归   NB   机器学习  

摘要： 随着互联网技术的发展,个人信贷业务增长迅猛。面对海量信贷申请数据,传统人工审核与简单信用评分模型难以满足快速、精准的风险评估需求。文章运用随机森林、支持向量机(Support Vector Machine,SVM)、逻辑回归和朴素贝叶斯(Naive Bayes,NB)四种机器学习算法,基于真实信贷数据集构建预测模型并对比性能,对提升信贷决策效率、降低金融风险具有重要意义。

关键词： 智慧图书馆   个性化知识服务   用户需求分析   人工智能  

摘要： 个性化知识服务不仅能提升用户体验和知识获取效率,还能推动图书馆整体服务向智能化、个性化方向发展。文章以智慧图书馆的技术架构和用户需求为出发点,探讨了智慧图书馆个性化知识服务模式的构建方法,并提出了相应的优化策略,以期为相关研究提供参考和借鉴。

关键词： 机器学习   瞬时情感强度   情感角色划分   高低情感代入   情感强度标签   情感强度回归   脑电信号   情感计算   情感强度变化  

摘要： 现有情感计算研究使用固定情感标签训练一个情感分类器,但经历情感刺激个体的脑电信号(Electroencephalogram,EEG)和真实情感变化均为动态而非恒定的,不同个体由情感刺激触发的生理和主观动态反应不同。针对该问题,文中依据自采集的情感点击强度和公开数据集SEED-IV中的脑电数据,将被试者分为高低情感代入角色并生成了两类情感强度标签。使用脑电信号特征和情感强度标签在4种机器学习进行瞬时情感强度回归预测,根据回归结果分析了两类情感角色群体在两类情感强度标签上的适用性。回归结果表明,不同情感角色在不同情绪下的瞬时情感强度变化不同,情感角色在相对应的情感强度标签上能够展现更好的回归结果,划分情感角色能更好地辅助分析个体瞬时情感变化。

关键词： 人工智能   广播电视   广电技术   伦理   媒体人才  

摘要： 【目的】探讨人工智能在广播电视工程中的应用,分析其在提升生产效率、优化资源配置、降低成本及应对技术挑战中的作用。【方法】通过分析国内外广播电视平台的典型案例,研究AI技术在内容生产、资源调度和数据安全等领域的实际应用及技术路径。【结果】AI技术通过优化系统集成、提升数据安全性和资源配置效率,提高广播电视工程的运作水平,降低成本,改善平台兼容性。【结论】AI技术推动了广播电视行业的数字化和智能化转型,为持续发展提供了技术支持。

关键词： 人工智能   DeepSeek   天然气场站   智慧管理   技术接受模型  

摘要： 生成式人工智能DeepSeek凭借本地轻量化部署、注重算法优化、开源共享等优势,显著提升工业场景的技术渗透率,推动天然气场站从传统运维向数智化跃迁。围绕DeepSeek的技术属性与天然气场站业务的适配性展开分析,基于技术接受模型(TAM)解构DeepSeek的应用效能,系统构建数据治理、算法创新与应用重构的技术路线。通过“核心平台—功能模块—场景延伸”分层架构设计“1+3+N”体系,提出多模态资源建设、生产运维和安全服务的智能化应用框架。针对边缘算力瓶颈、跨领域复合型人才短缺及多源异构数据治理等挑战,提出加强算力共享、专属数据体系建设及人才培养等建议,为天然气智慧场站建设提供理论支持与实践指导。

关键词： 糖尿病   2型   高血压   社区卫生中心   预测模型   机器学习  

摘要： 目的建立并验证社区2型糖尿病患者合并高血压的风险预测模型。方法回顾性收集2023年1月至2024年1月北京市丰台区两家社区卫生服务中心共计2 979例2型糖尿病患者的健康档案, 分别用于预测模型的开发(2 591例)和外部验证(388例), 开发集以7∶3的比例随机分为训练集(1 813例)和内部验证集(778例)。基于最小绝对值收缩与选择算子(LASSO)回归进行变量选择后, 运用6种机器学习算法拟合模型表现, 包括逻辑回归(LR)、分类回归决策树(CART)、随机森林(RF)、极值梯度提升树(XGB)、支持向量机(SVM)和人工神经网络(ANN)。结果在2 979例2型糖尿病患者中, 共计2 158例(72.44%)合并高血压, 模型训练集1 572例、内部验证集280例、外部验证集306例。LASSO回归筛选出14个影响因素:年龄、学历、职业、医保类型、饮酒、运动频率、体重指数、收缩压、甘油三酯/高密度脂蛋白胆固醇(TG/HDL-C)、胰岛素抵抗代谢评分(METS-IR)、空腹血糖、估算的肾小球滤过率(eGFR)、糖尿病患病年限和高脂血症。其中, XGB算法在预测高血压方面表现最佳, 曲线下面积(AUC)为0.694(95%CI:0.524~0.810), Brier评分0.121, 决策曲线分析显示临床实用性较好, 采用列线图进行模型可视化。结论我国社区2型糖尿病患者合并高血压的发病率较高, 基于机器学习算法构建的预测模型可以准确地预测社区2型糖尿病患者发生高血压风险。