关键词： 叶绿素   冬小麦   衍生光谱   机器学习   递归特征消除法  

摘要： 叶绿素含量是评估作物长势的重要指标,准确估算叶片叶绿素含量对指导田间管理具有重要意义。高光谱遥感是大面积无损探测叶片叶绿素含量的重要手段。与原始冠层光谱反射率相比,冠层衍生光谱通过对原始光谱反射率数学变换处理显著降低了噪声的影响,提升了光谱特征对作物生理生化参量的敏感性。不同衍生光谱特征对生理生化参量的敏感性波段存在差异,与单一衍生光谱特征相比,充分利用并联合多种衍生光谱敏感性特征,有望进一步提升叶绿素含量探测精度。为此,该文提出了一种联合多种衍生光谱特征探测冬小麦叶绿素含量的方法。通过4a连续田间试验获取冬小麦4个关键生育期(拔节期、抽穗期、开花期和灌浆期)的冠层光谱反射率和叶片叶绿素含量,对原始光谱反射率进行一阶导数反射率变换、标准正态变量变换、去趋势校正和连续统去除变换形成4种衍生光谱特征,比较了原始光谱反射率与4种衍生光谱特征对叶片叶绿素含量敏感性差异。通过递归消除法与4种机器学习算法(随机森林回归、随机梯度提升回归、支持向量回归和核岭回归)结合,分别对单一光谱特征数据和多种光谱特征组合数据选取叶绿素含量敏感性光谱特征,分别构建基于单一光谱特征和联合多种衍生光谱特征的叶绿素含量探测模型。结果表明,逐波段衍生光谱特征与叶绿素含量决定系数大于原始光谱反射率,其中连续统去除变换特征在478~725 nm波段范围内决定系数(determination coefficient)R^(2)>0.6。在基于单一光谱特征数据估算模型中,以衍生光谱特征驱动机器学习估算叶绿素含量精度优于原始光谱反射率,其中以30个一阶导数反射率驱动随机梯度提升回归算法构建的模型精度最佳,在全部数据中估算精度(R^(2)=0.841,均方根误差root mean square error,RMSE=3.309μg/cm^(2))优于采用原始光谱反射率构建最佳模型估算精度(R^(2)=0.814和RMSE=3.602μg/cm^(2))。联合25个不同衍生光谱特征组合驱动随机梯度提升回归模型进一步提升了叶绿素含量估算精度,并降低了模型所需光谱特征数量,在全部数据中估算精度为R^(2)=0.847和RMSE=3.246μg/cm^(2)。研究结果提升了叶绿素含量估算精度,降低了模型的复杂性,为利用高光谱数据估算作物叶绿素含量提供参考。

关键词： 大数据   气象预报   人工智能   智能播报  

摘要： 近年来,人工智能气象大模型为预报天气的准确性带来了新突破。它的实质是利用大数据、高算力等技术与气象预测深度结合,形成智能跨域的气象体系,大幅提升气象预报精准度,增强预报的时效性。

关键词： 人工智能   英语教学资源   优化配置   整合  

摘要： 该文探讨人工智能在优化配置与整合英语教学资源中的应用。通过分析当前教学资源的现状及问题,阐述了人工智能技术在资源收集、分析、个性化推送和创新方面的作用,提出了一系列人工智能在教学资源优化配置与整合中的策略,并探讨了实施过程中可能面临的挑战与应对措施,旨在为英语教育工作者提供理论与实践参考,以提升人工智能在英语教学资源利用方面的效率,提高教学质量。

关键词： 大数据   机器学习   健康管理   流感   趋势预测  

摘要： 基于流行病学和机器学习方法,结合大数据需求,构建适用于东北地区的流感监测预测模型,以支持健康管理政策的制定。通过整合26周流感监测数据、全球传染病风险、气象和人口流动数据,应用XGBoost模型预测流感样病例比例(ILI%),取得较好效果,有效支持公共卫生决策。同时,提出健康管理决策支持系统的构想,推动智能化健康管理发展。

关键词： 数智化   制造业企业   价值链优化   人工智能  

摘要： 在数字化技术日益成熟的背景下,企业如何将数智化能力深度融入价值链优化,已成为提升市场竞争力的关键。制造业作为价值链体系高度成熟且优化潜力巨大的代表性领域,其智能化转型尤为显著。通过引入物联网、大数据、云计算等数字化技术并构建集成平台,企业能够实现对从供应链协同、智能生产到精准营销、高效售后服务等全价值链环节的实时监控、流程优化与协同增效。同时,人工智能技术的深度应用,如机器学习进行预测性分析、智能算法辅助决策等,赋能企业对海量价值链数据进行高效整合、深度挖掘与智能洞察,驱动更精准的运营决策与持续改进。本文聚焦于将数智化技术系统性地嵌入企业价值创造的关键环节,不仅旨在拓展价值链优化的多元路径与创新视角,更力求揭示数智化转型的内在逻辑与实践方法,为企业科学、有效地推进转型提供可借鉴的框架与策略指导。

关键词： 水文模型   适用性分析   模型优选   数字孪生水利   区域化方法   人工智能  

摘要： 为研究水文模型在数字孪生水利项目中的优选适配问题,对影响模型适用性的主要因素进行系统分析,梳理常见水文模型的特点和适用性,研究区域适配性优化改造、组件化适配设计,以及遥感、区域化方法和人工智能等在资料稀缺地区应用的模型适用性改进技术,并结合部分实例验证技术的合理性。通过分析成果,提出从区域、参数、算力配置、经济等适用性,以及复用性与扩展性共5个方面对各类模型进行对比、分析和优选的方法,可有效辅助模型应用主体在数字孪生水利项目中进行模型优选决策。研究成果可为数字孪生水利项目中水文模型的科学选取与高效应用提供理论依据和技术支撑。

关键词： 人工智能   肺结节   CT薄层重建   诊断价值  

摘要： 目的分析人工智能(AI)联合医生模式用于肺良恶性结节CT薄层重建检查中的价值。方法回顾性分析2021年12月至2024年12月本院收治的107例肺结节患者的临床资料。以病理结果为金标准,分析AI、医生诊断模式对良恶性肺结节的诊断价值;并比较AI、医师诊断模式对不同直径、密度、位置的结节检出情况。结果肺恶性结节大小、密度CT值、体积均高于肺良性结节,均有统计学差异(P>0.05)。经一致性分析,AI、低资医师、高资医师、Al+低资医师、AI+高资医师诊断良恶性肺结节的灵敏度分别为94.52%、97.26%、97.2 6%、97.26%、98.63%;特异度分别为89.09%、56.36%、81.82%、87.2 7%、89.0 9%;准确度分别为92.19%、79.69%、90.6 3%、92.97%、94.53%;Kappa分别为0.840、0.564、0.852、0.855、0.887。相较于低资医师诊断模式,AI、高资医师、AI+低资医师、AI+高资医师诊断模式对直径<5mm、5~10mm的结节及实质性结节、磨玻璃结节、胸膜下结节、外周型结节、中心型结节的检出率均更高(P<0.05)。结论在肺结节CT薄层重建检查中应用AI辅助诊断结合医生模式,能够提高低资医师的诊断准确率,但对高资医师应用CT的总体诊断准确度影响并不显著。

关键词： 算法风险   公共决策   人工智能  

摘要： 在数字化转型的浪潮中,人工智能算法正以“塞壬之歌”般的诱惑力深度嵌入公共决策过程中,引发技术理性与公共价值之间的深刻张力。基于算法的技术—社会双重属性理论框架,通过全生命周期分析模型系统解构人工智能算法嵌入公共决策的复合型风险。研究发现,在技术维度上,数据质量缺陷引发决策偏差、算法黑箱导致决策不可解释性、模型固化加剧决策路径依赖构成显性技术风险;在社会维度上,算法权力异化引发治理结构失衡、责任归属真空导致问责机制失灵、价值嵌入偏差诱发公共性侵蚀形成隐性制度风险。根据对算法双重属性在决策输入端、处理端和输出端的作用机制,提出覆盖算法全生命周期的系统性协同避礁策略:建构技术治理与制度规制的双轨制框架,确立“可解释性—可问责性—可纠偏性”的算法治理标准;构建对决策主体的伦理约束机制,实现技术理性与行政伦理的有机耦合;筑牢人工智能监管防线,建立政企社多元主体协同治理体系;在决策前端和决策后形成全流程监管闭环,为破解智能时代的算法治理困境提供理论镜鉴,助力构建更具韧性的数字政府治理新范式。

关键词： 高中英语   个性化学习   人工智能  

摘要： 信息化时代,英语教学质量对学生的未来发展具有重要意义。然而,传统的高中英语教学模式无法充分顾及学生的个体差异,难以最大限度发展每个学生的英语潜能。而人工智能为解决教育的个性化难题提供了方案。教育者将人工智能引入高中英语教学,可以精准定制教学方案,提升教学的效果与质量。文章主要阐述基于人工智能学生个性化学习的高中英语教学价值,并从智能课堂辅导系统的应用、智能自适应学习路径规划、个性化学习资源推荐及开展情景化教学等方面提出相应的教学优化措施,为相关人员提供参考。

关键词： 人工智能   逆向教学   市场营销   人才培养  

摘要： 随着人工智能技术的快速发展,市场营销行业正经历着前所未有的变革。在这一背景下,传统市场营销专业人才培养模式面临着诸多挑战。逆向教学作为一种创新的教学模式,强调从市场需求出发,反向设计教学内容和方法,以培养适应未来市场变化的营销专业人才。文章探讨了人工智能背景下逆向教学在市场营销专业人才培养中的创新与实践,旨在为相关教育工作者提供有益的参考。