关键词： 智能制造   一键脱硫技术   智能控制模型   自动化算法  

摘要： 在钢铁冶炼领域,KR(Kambara Reactor)脱硫作为关键环节,其操作效率与质量对钢铁品质和生产成本影响重大。本研究聚焦于KR一键脱硫技术,旨在解决传统KR脱硫操作流程复杂、依赖人工经验且稳定性不足的问题。通过对KR脱硫过程的关键参数,如搅拌速度、脱硫剂加入量、反应时间等进行深入分析,运用先进的自动化控制技术和智能算法,开发出KR一键脱硫系统。该系统实现了从脱硫前准备到脱硫结束整个流程的一键式自动化操作,有效减少了人为因素干扰,提高了脱硫效率和稳定性。实际应用表明,采用KR一键脱硫技术后,脱硫时间平均缩短,脱硫剂消耗降低,同时显著提升了铁水脱硫合格率,为钢铁企业降本增效、提升产品质量提供了有力保障。

关键词： 技术融合   技术趋势分析   链路预测   机器学习   专利数据  

摘要： [目的/意义]“从0到1”型技术融合是新兴技术的种子或萌芽，本文聚焦“从0到1”型技术融合的预测方法研究，为技术前瞻布局提供支撑。[方法/过程]本文利用专利数据，用专利分类号表征技术，用专利分类号的首次共现表征“从0到1”型技术融合，建立技术融合预测特征体系，采用机器学习方法，开展预测方法研究。[结果/结论]研发机构特征和动态时序特征的引入显著提升了预测效果，结合4类动态时序特征（语义特征、研发机构特征、网络邻居特征以及中心性特征）、训练模型采用随机森林模型得到的预测模型效果最优，其F1值达到91.08%，体现了创新主体行为、技术发展的动态性以及技术间关系的演变对技术融合的促进作用，为理解技术融合的内在机理、研发智能技术预测工具提供了参考依据。

关键词： 人工智能   生成式   智能+情报   “本体—理论—实践”框架  

摘要： [研究目的]近年来人工智能快速发展推动情报领域深刻变革,通过梳理人工智能驱动情报演进的整体路径,准确感知智能情报未来发展演变,为我国情报模式创新发展提供参考。[研究方法]基于“情报×智能”双向赋能模式,引入“本体—理论—实践”三维分析框架,结合文献分析、历史分析、案例分析等方法,厘清人工智能与情报的互动关系,阐释人工智能驱动情报演进的理论逻辑与实践进路。[研究结果/结论]人工智能与情报双向互动经由技术奠基、深度拓展、全面应用等阶段得以深化,背后蕴含着突破传统情报线性流程的“生成式”理论逻辑,在此过程中人工智能在全天候监控、态势感知、决策赋能、认知攻防等方面驱动情报实践发展。这些为我国提供了有益启示,可从情报战略引领、技术融合创新、建立信息透明机制及跨领域情报协同体系等方面着力,在数智时代逐步构建中国特色“智能+情报”模式。

关键词： 道路工程   刚性道面   临界荷位应力   机器学习   参数重要性  

摘要： 目的：为了快速预测多种飞机荷载作用下不同刚性道面结构的临界荷位应力，基于机器学习的方法对临界荷位应力的预测及参数重要性进行了研究。方法：本研究通过建立三维刚性道面应力响应有限元模型，计算了不同工况下的临界荷位应力，并收集所有工况的临界荷位应力，构建了临界荷位应力数据库；选用支持向量机（SVM）、卷积神经网络（CNN）、BP神经网络和随机森林（RF）四种机器学习算法构建应力预测模型，选取常见单轴双轮（B737-800）、双轴双轮（B747-400）和三轴双轮（B777-300ER）的临界荷位应力数据（2916组），经过数据筛选和优化，建立了用于模型训练的数据集（2806组）；采用网格搜索与5折交叉验证优化超参数；基于RMSE、MAE、MBE和R2四种评估指标，对模型性能进行量化；通过SHAP方法对输入参数的重要性进行分析，最后，分析临界荷位应力随各道面结构参数的变化规律。结果：BP神经网络模型的预测效果最佳，其R2、MAE、RMSE和MBE分别为0.94246、0.12092、0.16424和0.00034；面层厚度对应力影响最显著，平均绝对SHAP值为49.24%；临界荷位应力随着面层厚度、道基顶面反应模量、基层模量与厚度的增加而减小，最终减小趋势趋于稳定；基于应力在不同结构参数范围内的应力分布和变化，给出了刚性道面设计中各道面结构参数适宜的取值范围。结论：机器学习模型可以很好地预测临界荷位应力，可为刚性道面应力计算和厚度设计提供技术支持。

关键词： 人工智能   图书馆   资源智能采集   精准推荐  

摘要： 基于人工智能技术赋能图书馆资源采集与推荐,可精准识别读者个性化阅读需求,针对不同读者阅读需求实现智能采集与精准推荐。针对当前图书馆资源采集效率不高及推荐有效性较差等问题,文章以人工智能图书馆资源采集与精准推荐为研究方向,系统性分析了基于人工智能得我图书馆资源智能采集与精准推荐存在的问题后,提出提出基于人工智能的图书馆资源智能采集与精准推荐路径及保障措施,以此满足读者个性化阅读需求及提高资源采集及推荐效率。

关键词： 人工智能   图书馆   多模态数字阅读   推广模式   智能化服务  

摘要： 随近年来人工智能技术的发展可谓是如日中天,并且该技术已经在很多领域取得了不菲成效,并且越来越多的行业也逐渐将人工智能技术应用于管理、生产、服务等各个环节当中,图书馆作为服务群众的重要场所,更应该紧跟时代发展需求,将人工智能引入自身的服务和管理环节,构建多元化的阅读模式,为读者提供更优质的服务。基于此,本文就深入探讨人工智能如何支持图书馆构建多模态数字阅读推广模式,以提升阅读服务的智能化水平,以期为图书馆的数字阅读推广提供新的思路和方法。

关键词： 集卡调度   集卡周转时间   机器学习   预测   优化  

摘要： 在港口腹地集疏运中,不确定的在港周转时间给集卡调度带来重重挑战.本文提出了一种基于在港周转时间预测的外集卡调度优化方法,通过分析港口的历史闸口数据,提取相关特征,并应用随机森林的机器学习方法,训练集卡周转时间的预测模型,在外集卡调度优化模型中,通过对随机森林预测模型的反复调用,将周转时间反馈到优化模型中,从而制定更可靠的集卡调度方案.基于我国华南某集装箱码头的闸口数据训练预测模型,结果显示其在拟合港口集卡周转时间预测上具有较高的精度,拟合优度均超过0.9;在优化模型数值实验中,误差中位数均分布在1%,表明基于机器学习的在港周转时间预测与调度优化模型的结合,能减少在港周转时间不确定对调度计划的扰动,提升集卡公司集疏运调度提供的可靠性和有效性.

关键词： 随机森林算法   网络号贩子   互联网挂号   机器学习  

摘要： 随着互联网信息技术的快速发展，线上挂号就医成为当下主流医疗预约方式。为解决网络号贩子非法获取医疗挂号资源的问题，降低就医成本、稳定医疗秩序，在数据分析处理的基础上，提出了随机森林网络号贩子预测算法。算法首先通过对某三甲医院的海量挂号信息进行数据筛选，采用数据分析的方式对挂号特征进行拟合，有效提升特征分类的可行性；接着基于随机森林最佳分裂点的构成，迭代生成树节点，同时重复训练出k组决策树；接下来采用集成学习的方法，通过决策树多投票策略，提升网络号贩子的预测精确度；最后采用五折交叉验证的方式，迭代出预测模型的最优参数，并构建出随机森林网络号贩子预测模型。仿真结果显示，与传统SVM和KNN等预测模型相比，文中的随机森林网络号贩子预测模型的预测效率至少提升了5倍，同时模型对网络号贩子预测的精确度达97.85%，远超其他算法预测精度。基于随机森林的网络号贩子预测研究能够对可疑挂号行为做出预警，对构建完善的医疗体系具有一定指导意义。

关键词： 二氧化碳浓度   机器学习   黄土高原   环境因子  

摘要： 二氧化碳（CO2）是主要的温室气体之一，空气中二氧化碳浓度的变化受到多种因素的影响。现在能连续观测地面空气二氧化碳浓度的站点依旧较少，但是常规气象数据容易观测，在给定地点如何用常规气象数据模拟地面空气二氧化碳浓度依旧缺乏研究。基于陕西省淳化县的和家山小流域的实测气象数据和二氧化碳浓度数据，分别采用不同位置的地面空气二氧化碳浓度或环境因子的组合驱动MLP、LSTM、Bi-LSTM和RF模型，评价了机器学习方法在黄土高原沟壑区典型站点模拟日尺度地面空气二氧化碳浓度的潜力。研究结果表明，无论是以同类型观测数据作为输入还是以环境因子的组合作为输入，4种机器学习模型都可以较好的模拟地面空气二氧化碳浓度的整体变化过程，且都可以用于插补数据。以其他点位实测二氧化碳浓度作为输入时，MLP模拟2号点的浓度C2精度最高，在测试集的误差仅为3.8%；以环境因子作为输入时，RF模拟2号点的浓度C2精度最高，在测试集的误差为6.3%。但是以环境因子作为输入时无法模拟出二氧化碳浓度剧烈的日变化过程。为了进行数据插补，以同类型的观测数据作为输入用于插补数据的效果更好，它可以较好地模拟出地面空气二氧化碳浓度的日变化过程。

关键词： 人工智能   创新网络   ERGM   成长机制  

摘要： 深入理解创新网络成长机制是企业开展合作创新和构筑创新生态系统的关键。本文以“AI四小龙”为实证对象，基于新闻文本挖掘数据和专利数据构建其创新网络，借助ERGM模型研究内生和外生变量对网络成长的影响。研究结果表明：“AI四小龙”企业创新网络具有小世界网络的特征，网络呈现明显的“中心-边缘”分布；内生结构效应对各人工智能企业创新网络成长的影响基本一致，其中闭合三角形结构是持续推动人工智能企业创新网络成长的重要内生动力，开放三角结构在企业创新网络成长初期作用不显著，但到快速扩张和稳定发展阶段起正向驱动作用，而星型结构会抑制网络的形成和成长；节点属性效应对四个企业创新网络呈异质性影响，“AI四小龙”在不同阶段与企业、学研机构和政府的合作侧重有所不同，呈现出“研发驱动-政企协同”、“企业联动-政企协同”和“政府扶持-研发深化”三种合作伙伴驱动模式；从外生网络效应来看，地理邻近性对人工智能企业创新网络的影响不明显。研究不仅深化了创新网络成长机制相关研究，也为同类研究提供了新的数据来源。