关键词： 脑卒中   非计划性再入院   机器学习   预测模型   系统评价  

摘要： 目的 系统评价基于机器学习构建的脑卒中患者非计划性再入院风险预测模型。方法 系统检索中国知网、万方、维普、PubMed、Cochrane和Embase数据库发表的脑卒中患者非计划入院机器学习风险预测模型相关文献，检索时限为建库至2024年7月。2名研究者独立完成文献筛选并提取资料，使用PROBAST对纳入文献进行质量评价。结果 共纳入9项相关研究，纳入研究的AUC在0.520～0.989，主要预测因子包含人口统计学资料、社会经济情况、疾病相关因素、侵入性操作、既往史、有无合并症、入院生化指标以及预后情况8类，其中住院时长、卒中类型、年龄以及合并症是脑卒中非计划性再入院的主要危险因素。结论 机器学习可更准确识别脑卒中患者非计划性再入院的风险，预测性能优于传统logistic风险预测模型。预测模型适用性较好，但文献整体偏倚风险较高。

关键词： 建筑人行为   行为特征   模拟方法   大数据   人工智能  

摘要： 在当前“双碳”目标下,建筑部门实现节能低碳十分必要.建筑中人行为是影响建筑能耗的关键因素之一,亟需认识与识别建筑人行为中的科学问题与关键技术难点.因此,本文首先系统性综述了建筑人行为模拟的研究现状.进一步,考虑到全球气候变化及国家发展方针带来的新工程需求,本文探讨了建筑人行为模拟领域面临的新挑战,包括人行为适应性、多样性、柔性、即时性等多维特征刻画,并围绕新挑战提供了亟待构建的模型及潜在方法.然后,深入讨论了新技术(如大数据、人工智能等)如何支撑建筑人行为领域的未来模型发展,旨在引发相关领域研究者的研发兴趣,提供初步视角与思考,共同推动建筑人行为领域的持续发展,为实现建筑部门“双碳”目标提供技术支撑.

关键词： 德宏州   PM   O   机器学习   潜在源贡献因子分析  

摘要： 德宏州位于西南边境，其大气污染易受境外影响.在春季，南亚和中南半岛地区进入春耕，它们采用传统的农业生产方式，即大范围的烧荒、垦林以及燃烧秸秆等，这对德宏州的细颗粒物(PM2.5)与臭氧(O3)质量产生严重影响.本研究结合统计学单因素分析、机器学习卷积神经网络-长短期记忆网络（CNN-LSTM）模型和潜在源贡献因子分析（PSCF），以2015—2022年的数据为基础，建立了一种基于长时间序列数据的PM2.5与O3浓度预测及潜在源分析的综合分析方法.结论如下：（1）训练后的CNN-LSTM模型能够较好地预测PM2.5浓度，R2达到0.854；对O3浓度预测的R2为0.821.（2）PM2.5的质量浓度与露点、湿度、降水量以及温度呈现负相关，O3的质量浓度与露点、湿度和降水量呈现负相关，与温度呈显著的正相关.（3）使用观察值得到的PM2.5和O3潜在的污染源与使用预测值得到的潜在的污染源重合率分别为92.135%和90.157%.研究显示，这种基于长时间序列的综合分析方法能有效预测PM2.5和O3浓度以及潜在污染源，且适用于PM2.5和O3浓度的气象因子影响分析，为德宏州的环境保护和污染溯源工作提供了独特的视野.

关键词： 电力电子   人工智能   深度监督学习   深度强化学习   大语言模型   电力电子智能代理  

摘要： 本文对人工智能(Artificial Intelligence，AI)技术和电力电子设计结合的相关研究进行了全面综述，从时间、技术和发展趋势等多个视角进行了分析。首先回顾了AI发展关键节点对电力电子设计领域的影响；对AI在电力电子设计领域的应用进行了分类，对比分析了传统AI、深度监督学习、深度强化学习三类算法在电力电子设计中的需求、应用思路和效果；在此基础上提出电力电子设计智能化下一阶段的发展方向，是解决传统设计工具和AI工具之间、各种设计工具与人之间的交互问题，给出了基于大语言模型的电力电子智能代理前沿探索；最后给出关于该领域的若干思考。

关键词： 数字中国战略   数字技术   技术社会观   人工智能  

摘要： 数字技术作为新一轮科技革命和产业变革的核心驱动力，正深刻改变着社会生产方式和人类生活方式。然而，数字技术快速发展也伴随着一系列深层次的矛盾和挑战。从马克思主义技术社会观的视角出发，当前数字技术领域发展过程中正面临三重矛盾：技术逻辑与资本逻辑的合谋、生产力跃升与分配机制的结构性失衡以及技术理性与社会理性的价值悖论。在数字中国战略背景下，应当以重塑数字时代劳动者主体性为目标实现劳动解放，以社会主义伦理的制度化实践提升技术治理效能，以人类命运共同体理念推动全球数字技术合作，实现技术目标从“效率驱动”向“人的解放”转变。数字中国战略的提出，不仅为中国数字技术发展提供了理论支撑，同时也为推动全球数字技术合作、构建人类数字命运共同体贡献了中国智慧与中国方案。

关键词： HL-3   机器学习   神经网络   偏滤器靶板热负荷   SOLPS-ITER  

摘要： 本文首次针对HL-3装置，采用机器学习方法预测偏滤器靶板等离子体参数，为未来快速预测大型聚变堆偏滤器热负荷奠定基础。将机器学习应用于边缘等离子体物理中，可以显著缩短大型边缘程序SOLPS-ITER模拟所需的时间，从几周、几个月甚至半年缩短至毫秒级。研究发现，通过增加内外偏滤器区的辐射损失作为模型的输入参数，能够明显提高预测精度（超过90%），同时增强训练模型的适用性，可以同时精确预测内外偏滤器靶板热流，并验证了该特征参数与偏滤器靶板物理量之间的依赖关系。该工作不仅为偏滤器物理研究提供了有效的方法，也为未来跨装置预测偏滤器靶板参数提供了坚实的基础。

关键词： 热岛效应   机器学习   海岛型城市   厦门   景观格局指数  

摘要： 城市绿地空间作为城市生态系统的重要组成部分,研究其与热环境间的作用机制对改善城市热岛现象具有重要意义。本研究以中国东南沿海厦门市为例,选取10个景观格局指数构建城市热环境评价体系,并使用BRT(Boosted regression tree,BRT)模型对其进行数理统计分析,以探究海岛型城市不同季节绿地景观格局与城市热环境之间的非线性关系。结果表明:1)厦门市夏季绿地降温效果最为显著,效益顺序为夏季(-1.256℃)>冬季(-0.871℃)>春季(-0.854℃)>秋季(-0.743℃);2)不同季节景观格局指数对地表温度的贡献存在差异。春季中景观聚散程度指数(如AI、ENN＿MN、CONTAG、PD)对地表温度的影响超过景观斑块特征指数(如AREA＿MN、LSI、ED、NP、LPI、SHEI),而在其余时期则相反;3)不同季节下相同绿地景观格局指数与地表温度的边际效应变化趋势相似,在保证一定绿地规模的前提下,改变其斑块内部结构并调整斑块之间的聚散关系,可使绿地降温效益最大化。在发展新质生产力背景下,该研究结果可为未来厦门市制定缓解热环境的绿地景观格局阈值及其规划建议提供数据支撑,同时对其他海岛型城市景观格局优化及热环境缓解亦具有一定参考价值。

关键词： 人工智能   高职语文   课程思政  

摘要： 数字化浪潮席卷下,人工智能已经在教育领域崭露头角。课程思政“坚持育人为本,德育为先”,把“立德树人”作为教育的根本任务。本文主要探讨在人工智能的赋能下,高职语文课程思政面临的机遇与挑战,尝试探索人工智能赋能下高职语文课程思政实施的新局面。

关键词： 压力性尿失禁   产后   风险预测   机器学习   预测模型  

摘要： 目的 基于最新的产后压力性尿失禁(postpartum stress urinary incontinence, PPSUI)定义，采用5种机器学习算法构建风险预测模型，筛选最优模型并评估其临床应用价值。方法 采用前瞻性研究设计，纳入1 208例产妇，基于问卷与电子病历收集数据，并按8∶2比例随机划分训练集和测试集。采用单因素分析和随机森林算法筛选特征，构建基于Logistic回归、决策树、随机森林、支持向量机和极限梯度提升(extreme gradient boosting, XGBoost)的PPSUI预测模型，并通过网格搜索优化超参数。模型训练与验证采用Bootstrap方法和十折交叉验证，以提升稳定性和泛化能力。最终，从分类性能、临床适用性及预测可靠性等方面综合评估各模型，并筛选最优预测模型。结果 XGBoost预测模型为最优预测模型，测试集AUC值为0.993(95%CI:0.985～0.998,P<0.01)。决策曲线分析显示，该模型在中等阈值范围内净收益最高，校准曲线接近理想状态，预测可靠性较优，具备较高的临床应用价值。结论 XGBoost适用于PPSUI高危人群的早期筛查和风险评估，为精准医学和产后健康管理提供科学依据。

关键词： 肝细胞癌   潜在生物标志物   机器学习   诊断模型  

摘要： 【目的】针对生物信息学方法中识别与肝细胞癌发生相关的基因存在冗余度高和肝细胞癌早期诊断困难的问题，本文提出一种基于差异表达分析、加权基因共表达网络分析（WGCNA）和机器学习方法相结合的肝细胞癌诊断模型。【方法】基于肝细胞癌患者的肿瘤和配对非肿瘤组织中的基因表达数据，利用差异表达分析和WGCNA识别共享基因。结合两种机器学习算法：最小绝对值收敛和选择算子和极端梯度提升识别共享基因中的特征基因并建立基于鲸鱼算法（WOA）的最小二乘支持向量机（LSSVM）肝癌诊断模型。通过ROC曲线和混淆矩阵评估模型性能。【结果】在共享基因中识别出15个特征基因：ECM1、STAB2、CXCL14、HBA2、CDKN2A、NME1、TP53I3、SYNE1、ANXA2、CSTB、FCN2、SAC3D1、STIP1、CCT6A和CAP2。在外部独立验证集上，WOA-LSSVM诊断模型的曲线下面积（AUC）和准确率分别为0.978和0.886。【结论】通过结合差异表达分析和WGCNA，并利用机器学习方法识别了与肝细胞癌发生相关的潜在生物标志物即特征基因，同时发现WOA-LSSVM模型对于肝细胞癌的诊断有较好的预测性，可以为肝细胞癌的早期发现和诊断提供理论支持。