关键词： 大数据分析   飞行区   人工智能   信息技术   场道   物联网   工程项目   工程流程  

摘要： 引言。飞行区场道类项目的建设和管理涉及复杂的工程流程和严格的安全要求,因此需要高效的工地管理方法来确保项目顺利进行并达到预期的质量和安全标准。随着信息技术的快速发展,智慧工地管理技术在工程项目中的应用日益成熟[1-2]。智慧工地管理结合了BIM、物联网、大数据分析、人工智能等技术,为工程管理提供了全新的解决方案,更好地应对飞行区场道类项目的建设[3-7]。

关键词： 产业变革   工业CT   行业标准   人工智能   高端化   一站式   特征尺寸   约稿函  

摘要： 全球新一轮科技革命和产业变革深入发展,为制造业高端化、智能化、绿色化发展提供了历史机遇。人工智能的融合正以前所未有的方式推动工业CT向更高效、更精准、更自动化的方向演进。工业CT凭借一站式扫描,提供整个零件的全面细节,精确测量内部或者隐匿的特征尺寸及各类缺陷,并根据行业标准对缺陷进行定性与定量分析,具有高度自动化和资源利用率高的特点,是优化质量保证和过程控制的理想选择。

关键词： 核心竞争力   创新驱动力   创新发展路径   先发优势   机制障碍   强力引擎   人工智能   颠覆性技术  

摘要： 习近平总书记多次强调,要加快发展新质生产力,扎实推进高质量发展。新质生产力代表着生产力的跃迁,是科技创新在其中发挥主导作用的生产力。新质生产力的“新”,锚定在关键性和颠覆性技术的突破,以新技术、新经济、新业态为主要内涵;所谓“质”,是强调在坚持创新驱动本质的基础上,通过关键性和颠覆性技术的突破,为生产力发展提供更强劲的创新驱动力。未来20年,由数字经济和人工智能结合形成的“数智经济”创新,将成为新质生产力发展的强力引擎,也是一个国家和地区经济发展的核心竞争力。在这个领域,中国具有一定的先发优势,但进一步推动“数智经济”发展,需要破解一系列内外部的体制、机制障碍,形成具有中国特色的创新发展路径。

关键词： 迁移学习   深度学习   固体地球科学   机器学习  

摘要： 随着地球科学进入大数据时代,机器学习成为可发现数据复杂结构与模式的新兴工具。作为机器学习的一个重要子领域,深度学习通过构建多层隐含层的方式,层层递进地学习海量数据内在特征,可达到提高分类或预测效果等目的。然而机器学习模型往往需要海量数据作为支撑,从而限制了其在固体地球科学领域的广泛应用,迁移学习算法的引入为解决这一问题提供了新的方案。迁移学习可通过利用预先学习类似任务的知识来提高新任务的性能,将源域学习到的知识迁移到目标域,可以在一定程度上克服训练数据不足的问题。迁移学习算法为机器学习在固体地球科学领域的应用提供了新的思路。本文简要综述了迁移学习的基本概念和类别,通过分析迁移学习在固体地球科学中的典型应用案例,讨论了现有迁移学习方法在固体地球科学领域中面临的挑战。当前,迁移学习方法已经在岩石矿物自动识别与分类、地球化学异常识别等方面表现出较大潜力,其具备提高模型泛化性能、避免过拟合的能力,在固体地球科学领域具有广阔的应用前景。但目前迁移学习方法应用于固体地球科学领域的研究还相对较少,未来将持续针对源域数据集选择、迁移模型构建、负迁移评估及可解释性不足等问题开展更为深入的研究。

关键词： 滑坡   多层感知机   机器学习   易发性制图   河南省  

摘要： 河南省具有复杂的地貌类型,面临着频繁发生滑坡灾害的挑战,因此进行高效准确的滑坡易发性制图对于地方政府和居民具有重要意义。但是,在滑坡易发性制图研究中,如何选取适合河南省滑坡灾害数据集的机器学习模型、提高评价精度的对比研究仍需进一步开展。以河南省为研究区,收集滑坡数据并编录成滑坡灾害数据库。通过递归特征消除法筛选出对滑坡相对影响最高的11个因子(坡度、高程、平面曲率、剖面曲率、土地覆盖、岩性、土壤类型、降水量、道路密度、河流密度、断裂带密度)整合成空间数据集,训练多层感知机(MLP)神经网络、随机森林(RF)、极端梯度提升(XGBoost)和支持向量机(SVM)模型并使用接收者受试特征曲线下面积(AUC)评估各个模型性能,制作高精度滑坡易发性分区图。研究结果表明,多层感知机模型对河南省滑坡灾害数据集适配性最强,AUC达到0.95。相较于支持向量机、极端梯度提升和随机森林模型,MLP模型预测的滑坡灾害高易发区的面积占比最小,能更精确地识别潜在滑坡灾害高风险区域。预测的极高和高易发区主要分布在豫西山地、丘陵地区,地形因素对河南省滑坡灾害发育具有主导作用。研究成果可为大尺度区域开展高精度滑坡灾害易发性评价提供参考。

关键词： 空间科学实验   数智驱动   人工智能  

摘要： 随着技术的不断发展,人工智能(AI)在各个科学领域都展现出了革命性的影响力,形成了新的科学研究范式AI4S(AI for Science)。文章重点面向微重力条件下空间科学实验领域,阐明了其独特的多学科优势,深入分析了结合AI的多模态空间科学实验数据模式挖掘、领域知识抽取、跨学科知识融合与认知智能等研究内容,揭示了AI在提高空间科学实验领域智能化科学研究、认知与发现等方面的巨大潜力。探索表明数智驱动的空间科学实验研究作为AI4S的重要科研阵地,在促进空间科学实验数据生态构建与发展、AI4S的研究创新、领域学科发展等方面将发挥积极和重要作用。

关键词： 围绝经期   机器学习   预测模型   抑郁   随机森林模型  

摘要： 目的构建基于机器学习的围绝经期抑郁症状风险预测模型,筛选围绝经期抑郁的危险因素。方法从中国健康与养老追踪调查(CHARLS)2020年数据中选取1105名45~55岁女性作为研究对象,使用随机森林、XGBoost和AdaBoost 3种机器学习算法构建围绝经期抑郁症状风险预测模型。采用SPSS 24.0进行数据描述统计和组间比较。采用Python3.10软件构建风险预测模型,使用受试者操作特征(ROC)曲线及校准曲线综合评估模型性能,筛选出预测性能最佳的模型,并使用Shapley加性解释(SHAP)算法分析特征重要性及特征对预测结果的影响。结果1105名围绝经期女性中,非抑郁症状组671例(60.7%),抑郁症状组434例(39.3%)。3个机器学习模型中,随机森林模型整体性能最佳,其ROC下面积(AUC)为0.793,校准度为0.181。SHAP分析显示,家庭年总收入为随机森林模型中最大风险因素,其相对重要性为0.048,其后依次为认知功能(0.047)、自评健康状况(0.046)、生活满意度(0.043)和睡眠时长(0.041)等。结论基于随机森林算法构建模型可有效预测围绝经期抑郁症状发生风险。家庭年总收入、认知功能、自评健康状况、生活满意度等指标是围绝经期女性抑郁症状的危险因素。

关键词： 媒体融合   期刊出版   人工智能   科技期刊   传播模式  

摘要： 【目的】人工智能与期刊出版融合是信息科技与文化发展的必然选择,媒体融合视域下期刊媒体存在资源整合困难和传播意识不强等问题,本文提出了人工智能对期刊资源整合和传播模式的优化策略。【方法】首先,基于数据中台理念的期刊媒体智能传播数据体系,对各类型期刊媒体数据的进行清洗转换和装载融合,构建期刊传播数据仓库;然后,基于多源标签为期刊用户进行画像与个性化推荐,为期刊媒体精准传播提供有效支撑;最后,基于大语言模型的辅助内容生成与编辑优化,实现概览生成、编辑校对、智能交互和传播效果分析等任务,为期刊的改进提供参考。【结果】人工智能对期刊传播模式的优化,可以帮助期刊更好地适应媒体融合的趋势,提高期刊的传播效果和影响力。【结论】期刊媒体融合进程快速推进,智能化的期刊传播体系对于期刊行业发展也从理论探索到达实践创新的新阶段,人工智能相关技术能够有效促进期刊传播的革新与优化。

关键词： 人工智能   服务业   数字化转型  

摘要： 服务业数字化转型是当前经济发展的重要趋势,通过大数据、云计算、人工智能等先进技术的应用,服务业企业不断优化业务流程,创新服务模式,提升服务质量和效率。在零售、金融、旅游、教育等多个领域,数字化技术已成为提升竞争力的关键。数字化转型还促进了服务业与其他行业的深度融合,推动了产业链的协同发展。未来,随着技术的持续进步,服务业数字化转型将进一步深化,为经济社会发展注入新的活力,开创更加智能化、高效化的服务新篇章。

关键词： 智媒时代   人工智能   宣传思想文化工作  

摘要： 宣传思想文化工作是党的一项极端重要的工作。进入智媒时代,宣传思想文化工作的一般要素发生了不同程度的转向,时间从“实时”转向“延时”、空间从“集合”转向“扩散”、主体从“人类”转向“人机”、动力从“传者”转向“受众”,这使得宣传思想文化工作面临着诸多痛点,技术平权削弱“把关人”作用、算法推荐加剧“圈层化”效应、数据爆炸导致“碎片化”叙事、信息加速扩大“涟漪化”舆情。为此,要坚持受众本位、加快媒体融合、强化技术赋能、聚焦素养提升,从宣传话语体系、主流传播体系、舆情治理体系、工作队伍体系上着力,推动宣传思想文化工作提质增效。