关键词： 波浪预报   机器学习   随机森林算法   台风浪   寒潮浪  

摘要： 【目的】构建精确快速的波浪预报模型,以保障海上活动和海滩安全。【方法】采用中国近海波浪数据库中2009—2018年的波浪数据、风速数据作为训练样本,建立了融合波浪模型和随机森林机器学习算法的波浪降尺度快速预报模型。波浪数值模型采用粗网格计算,通过随机森林算法进行降尺度波浪预报,以实现近海区域波浪要素的快速预报。【结果】对长江口外海2019年全年波浪的有效波高、平均周期和主波向进行了长时间序列的预报,发现所建立的波浪降尺度预报模型能够准确预报全年台风浪和寒潮浪的变化。与传统波浪模型相比,该模型的有效波高预报结果相对误差小于0.2%,计算效率也大幅提高,96 h波浪短期预报由分钟级提高至秒级。【结论】融合波浪模型和随机森林算法的波浪降尺度快速预报模型可提高波浪预报的稳定性、精确度和计算效率,也为利用波浪机器学习算法进行业务化波浪预报提供了新方法。

关键词： 螺栓连接   螺栓松动   机器学习   信号分析   无损检测   结构健康监测  

摘要： 螺栓连接的完整性维护仍然是一个面临众多挑战的问题,特别是在遭受外部干扰(如振动)时,连接界面表面可能会发生大面积或局部的滑移。这种滑移现象会加剧界面间的相对运动,导致预紧力水平下降,也就是螺栓连接的松动。在过去的10年中,诸如振动法、导波法和机电阻抗法等检测方法已逐渐应用于检测螺栓连接的松动。伴随着计算能力的显著提升,机器学习算法包括神经网络和支持向量机已被开发出来,用于进一步提升螺栓松动检测方法的准确性。这些方法的融合为螺栓连接的实时健康监测提供了新的途径。该文综述了基于声弹性效应、振动、导波和机电阻抗的方法,以及基于机器学习算法的信号分析方法在螺栓连接松动检测和监测领域的应用,旨在展示近年来该领域的研究进展。

关键词： 人工智能   情绪识别  

摘要： 近年来,人工智能技术不断创新,大模型应用不断刷新人们对人工智能技术的认识和理解。作为一线教师必然要不断调整关于这部分的教学内容,探索用什么样的案例、什么样的活动能够给学生带来更大的提升,既让学生对技术产生浓厚的兴趣,又让学生能够尽量进行更深入的学习,并启发学生进入高阶的思考,让学生能够适应未来的需求与挑战。因此,作者设计了基于核心素养培养的人工智能教学案例——机器的情绪识别。

关键词： “数字公司法”   电子通信   人工智能   公司治理   数字化  

摘要： 形成于工业时代的公司法正面临着数字化转型的挑战和因之变革的机遇,一种新的公司法范式——“数字公司法”开始浮现。从聚焦于公司与国家机关之间沟通关系的“公司外部数字化”,到公司结构之内重构公司组织、融资、治理的“公司内部数字化”,再到将自然语言的规则转变为机器可读语言的“公司法代码化”,公司数字化程度不断深化,“数字公司法”的宏观体系由此建立。另一方面,从数据出资、代币发行到人机协作、网络安全合规义务,再到在线虚拟会议、去中心化自治组织,一系列开放议题不断生长,“数字公司法”的微观制度亦得以丰富。数字公司法是一个新兴事物,我国公司法应未雨而绸缪,在科技与法律互动中实现观念迭代与制度更新。

关键词： 智能诊断   精准施药   人工智能   病虫害   生态可持续性  

摘要： 随着人工智能技术的快速发展,其在农业领域的应用逐渐深入,尤其在病虫害诊断与施药技术方面展现出巨大潜力。旨在探讨智能诊断技术在病虫害识别中的应用,以及精准施药技术在减少农药用量、保护环境和提高经济效益方面的重要作用。通过分析智能诊断与精准施药技术的研究进展,旨在为农业可持续发展提供新的视角和解决方案。研究表明,深度学习技术在病虫害识别中具有显著优势,能够提高识别准确性并减少人工成本。精准施药技术通过减少农药的过量使用,有助于保护农田生态系统中的非靶标生物,维持生态平衡。集成系统的设计和实施,使得病虫害管理更加科学化、精准化,环境与经济效益评估显示这些技术不仅减少了农药使用量,还提高了作物产量和品质,增强了农业的可持续性。

关键词： 测井曲线重构   机器学习   模型解释   SHAP算法   声波测井  

摘要： 测井技术是查明地下岩性、地层及地质流体的关键技术手段,在石油勘探行业中发挥着至关重要的作用。然而,由于仪器损坏、井眼条件等因素,经常造成测井数据缺失、曲线不全等问题,传统多元线性回归或经验公式方法无法合理地构建测井曲线间的关系模型使得曲线重构精度相对较低,机器学习算法虽能在大量数据之间找到最为合适的数据映射关系进而提高模型精度,但相较而言其所构建的黑箱模型无法得到良好的解释。近期,可解释性算法的运用使得机器学习在重构测井曲线中的应用更为合理。通过将支持向量回归(support vector regression,简称SVR),随机森林(random forest,简称RF)以及极限梯度提升(extreme gradient boosting,简称XGBoost)和传统多元线性回归方法(linear regression,简称LR)的对比对英国能源局22-30b-11号井声波测井曲线进行了模型重构并基于shapley additive explanations(SHAP)算法对XGBoost模型进行了解释。结果表明,XGBoost在测试集上的决定系数(R2)和均方误差(MSE)分别为0.996,6.371,优于SVR的0.990、15.755和RF的0.993、9.871,而传统多元线性回归方法则为0.969、48.895,表明XGBoost对声波时差曲线的重构具有更高的准确度和更好的泛化性能。创新性地采用SHAP算法对XGBoost黑箱模型的解释表明,在模型构建选择重要特征时,XGBoost模型采用地层温度数据作为特征明显合理于多元线性回归方法采用的井径测井数据。最后基于SHAP对模型进行了单点和全局特征交互解释。上述结果表明在声波测井曲线重构方面,机器学习算法明显优于传统的多元线性回归方法,并证明了SHAP算法在声波测井曲线重构机器学习模型解释方面的可行性,为后续机器学习在测井解释中的发展提供了新的思路。

关键词： 人工智能   听力理解   试题开发  

摘要： 本文对比了ChatGPT-4o和文心大模型-3.5生成初中英语听力文本和试题的能力,以2023年杭州市中考英语听力真题为样本,使用两种人工智能分别生成文本和试题。对文本和试题的分析结果表明,在生成听力文本上,ChatGPT和文心大模型差距较小,二者都能生成话题、词数、难度与样本文本基本一致的文本。在生成听力试题上,ChatGPT的表现好于文心大模型,相比前者,后者生成的试题出现了更多问题。笔者认为,鉴于寻找或编写听力文本的困难,英语教师在为学生编写低利害的练习题时,使用生成式人工智能来生成听力文本是一个不错的选择,但要生成高质量的试题,则需反复修改,以及需要更多人类智慧的参与。This paper compared the capability of ChatGPT-4o and Large Model ERNIE-3.5 to generate English listening comprehension texts and items for junior high school students, using the 2023 Hangzhou city Zhongkao listening texts and items as samples. Both artificial intelligence models were used to generate texts and items. The analysis results showed that in terms of generating listening texts, ChatGPT and Large Model ERNIE exhibited minimal differences, as both can produce texts with topics, word count, and difficulty similar to the sample texts. In generating listening items, ChatGPT performed better than Large Model ERNIE, with the latter producing more problematic items. The author argues that, given the difficulty of finding or creating listening texts, using generative AI to produce listening texts is a good option for English teachers when preparing low-stakes practice exercises for students. However, to generate high-quality test items, repeated revisions and more human engagement are necessary.

关键词： 人工智能   生成式探究学习   发酵工程  

摘要： 本文以“发酵工程为人类提供多样化生物产品”一节内容为例,以青蒿素的生产蓝图导入教学内容,运用人工智能展开生成式探究学习课堂实践,旨在探索能够提升学生工程学思维与技术思维并深度参与社会议题的教学新形态。

关键词： 特朗普   人工智能   战略背景   持续开展   颠覆性技术   战略布局   技术创新   部署应用  

摘要： 近年来,在“大国竞争”战略背景下,美国防部重克布局“印太地区”,持续开展颠覆性技术部署应用,目的是维持在该地区的作战优势。人工智能作为承载着美军构建非对称作战能力的一顶颠覆性技术,近年来在“印太地区”的应用逐步深化。“特朗普2.0”背景下的人工智能军事应用将聚焦于技术创新、强化国防能力、加强国际合作等方面。

关键词： 人工智能   大型语言模型   中医执业医师资格考试   模型评价  

摘要： 目的 评估不同大型语言模型在中医执业医师资格考试中的应用表现。方法 选用中医执业医师资格考试题库中的不同学科对文心一言4.0、ChatGPT4.0、百川大模型3.0、Claude3-Sonnet、智谱清言4.0共5种大型语言模型进行答题准确率测试。结果 文心一言4.0和百川大模型3.0在中医不同学科上的总准确率最高,而智谱清言4.0的总准确率最低。从不同中医学科目上比较,5种模型在中医内科学和中药学上准确率较高,但在方剂学和中医经典等需要理解中医古文典籍或应用能力方面的科目上,模型准确率较低,且各模型之间存在差异。结论 不同模型的表现差异表明,模型的表现受训练数据的内容、质量及模型自身逻辑推理能力等多方面因素的影响。随着人工智能技术的不断迭代发展,将模型作为教学辅助工具,有望推动教育领域的变革。通过加强模型在特定专业领域的训练,可以进一步提升模型对相关专业术语的理解和应用能力,更好地满足教学领域的实际需求,进而提升教学质量和学习效率。