关键词： 腊子沟金矿床   隐式三维建模   机器学习   随机森林   三维成矿预测  

摘要： 为解决如何利用有限的勘探数据进行隐式三维地质模型的问题。本文以腊子沟金矿为例，基于原始刻槽取样数据利用距离加权方法生成虚拟刻槽，使用原始刻槽数据训练并评价K最近邻、随机森林、梯度提升机三种机器学习模型，选择其中预测性能最佳的随机森林模型对虚拟刻槽的岩性进行判别预测。通过机器学习方法实现了对刻槽数据的虚拟加密，为隐式三维建模提供大量的样本数据。在此基础上，利用原始刻槽和虚拟刻槽数据在隐式建模软件中构建了腊子沟金矿的矿体模型、Au元素品位数值模型。并圈定了五个找矿靶区，所圈定靶区经工程验证切实可靠。基于机器学习的隐式三维建模可充分利用已知数据预测未知区域，为隐式三维建模提供充足的样本，有利于在现有勘探工程的条件下构建更高精度的地质模型，进而为深边部找矿预测提供依据。

关键词： 岩体结构面   倾斜试验   空腔体积   接触区域   机器学习  

摘要： 接触区域作为岩体结构面相对运动时的潜在破坏区域对其抗剪强度具有重要影响.现有结构面接触区域测量方法仅能评估特定状态下的接触区域,缺乏在不同状态下无损识别接触区域的能力.为此,采用倾斜试验和激光扫描技术获取结构面表面形貌和不同滑移距离下的上下盘相对位置信息,提出不同滑移位移下结构面点云空间位置还原方法,将结构面上下盘形貌还原至相应滑移位下的空间位置.通过机器学习以小尺寸结构面的粗糙度参数、折减系数和对应网格的接触状态作为训练数据集构建结构面接触区域预测模型.将大尺寸结构面粗糙度参数和吻合度阈值折减系数作为模型输入,得到接触区域的输出结果,利用ROC曲线和AUC值对其预测性能进行评估.结果表明预测结果与实际情况具有良好的一致性,其中BPNN预测性能最优,集成装袋树次之,KNN最差.本研究为精确评估岩体结构面的接触区域提供了一种新颖且有效的方法.

关键词： 机器学习   材料筛选   数据驱动   模型   预测  

摘要： 机器学习凭借其高效性和准确性，正在革新材料筛选和设计的传统模式，极大地推动了材料科学的快速发展。本文综述了机器学习在材料筛选中的应用，探讨了其在不同材料体系中的策略和方法。首先，介绍了机器学习在材料科学中的一般工作流程；然后详细讨论了机器学习在电池材料、热电材料、催化材料以及合金材料等领域的应用案例，展示了机器学习如何加速材料的发现和优化过程。此外，本文还探讨了现阶段机器学习在材料领域应用中面临的一些挑战，指出目前材料领域数据的缺乏仍然是机器学习在材料领域应用的一大难题，以及一些新型的基于神经网络的模型无法适用于小型数据集且其缺乏直观的解释机制。未来随着高通量技术的不断进步，数据获取将更加高效，为机器学习在材料领域的应用提供更丰富的数据支持。与此同时，深度学习与迁移学习等技术的持续发展将大幅提升材料智能模型的泛化能力和预测精度，推动材料研发向智能化、精准化方向迈进。

关键词： 膜下滴灌   谷子   作物系数   机器学习模型   Stacking集成学习  

摘要： 为准确模拟膜下滴灌不同水肥处理谷子作物系数(crop coefficient，KC)，以水肥有关KC的双因素方差分析为前提，采用随机森林（random forest，RF）、类别提升（CatBoost）、轻量级梯度提升机（LightGBM）、支持向量机回归（support vector machines，SVR）、深度学习（DL）作为次级机器学习模型，基于Stacking策略以多元线性回归构建集成元模型（linear stacking model，LSM）对不同水肥处理膜下滴灌谷子KC进行预测，并进行模型间模拟结果精度比较。结果显示，不同水肥处理间KC日际变化趋势基本相同，但灌水因素和氮肥施用量对KC均有显著影响；在次级机器学习模型中，树类模型（RF、CatBoost与LightGBM）相对SVR和DL模型估测精度较好，而相比次级模型，LSM模型提高了谷子Kc的模拟精度；依赖日序数、太阳辐射强度、风速、日均水汽压和土壤含水率建立的LSM模型能够准确模拟膜下滴灌谷子KC，R2和ERMS别为0.91和0.11，且当土壤含水率特征加入时模型误差明显降低。研究成果可为膜下滴灌田间水分精准管理提供技术支撑。

关键词： 糖尿病肾病   胞葬   生物信息学   机器学习   分子对接  

摘要： 该研究基于生物信息学筛选糖尿病肾病（DKD）胞葬相关的特征基因，并探寻调控特征基因的中药。整合GSE96804和GSE20528数据集作为训练集，将差异基因与胞葬相关基因（ERGs）取交集作为DKD-ERGs，并对其进行相关性分析、蛋白-蛋白互作（PPI）网络构建、富集分析和免疫浸润分析。基于DKD-EGRs表达，对DKD患者进行共识聚类，探究不同亚型间DKD-EGRs的表达水平、免疫浸润特征以及基因集变异分析。构建8种机器学习模型，并预测其效能。通过列线图、校准曲线和外部数据集，对表现最佳的机器学习模型有效性进行评估进而筛选模型中与DKD相关的胞葬特征基因，最后预测能够调控胞葬特征基因以治疗DKD的潜在中药。结果显示，训练集获得640个差异基因，与ERGs取交集后获得12个DKD-ERGs，这些基因具有相互调控和免疫调节作用。共识聚类将DKD分为C1和C2 2个亚型。支持向量机（SVM）模型是最佳模型，预测生长抑制特异性蛋白6（GAS6）、S100钙结合蛋白A9（S100A9）、C-X3-C基序趋化因子配体1（CX3CL1）、5'-核苷酸外酶（NT5E）和白细胞介素（IL）33是DKD的特征基因。具有潜在治疗作用的中药有黄芪、鳖甲、海藻、大黄、郁金、泽泻等，功效主要以清热、补虚、活血化瘀和利水渗湿为主，分子对接中这些中药的关键成分β-谷甾醇（beta-sitosterol）、槲皮素（quercetin）和谷甾醇（sitosterol）与5个靶点均表现出良好的结合活性。结果表明，胞葬在DKD的发生发展过程中扮演着关键角色，鉴定出GAS6、S100A9、CX3CL1、NT5E和IL33等与DKD及胞葬密切相关的特征基因。黄芪、鳖甲、海藻、大黄、郁金、泽泻等中药可能通过调控胞葬过程，为DKD的治疗提供新策略。

关键词： 智慧农业   茶产业   物联网   大数据   人工智能  

摘要： 我国具有独特的地理和气候条件以及悠久的茶文化传统，茶产业是我国农业经济的重要组成部分。然而，传统茶产业存在劳动力依赖度高、生产效率低、标准化不足、茶叶品质不稳定、产业链各环节协同薄弱等问题，同时在国际市场竞争加剧和国内对高品质、有机茶叶的需求日益增加的背景下，我国茶产业面临着品质提升、生产效率提高、产业价值提升、产业转型升级等挑战，探索新的生产方式和技术手段成为推动茶产业发展的关键。智慧农业技术可以针对传统茶产业的痛点，为茶产业升级提供系统性的解决方案，认识了解智慧农业技术在茶产业链上的实际应用方法与进展，对推动智慧茶产业转型十分重要。文章对目前主要的智慧农业技术，包括物联网、云计算、区块链、大数据、人工智能等新型数字化技术在茶产业链中的应用进展进行综述，涉及茶叶生产、加工、流通和销售等环节，包括在智能茶园管理、智能采摘、自动化加工、智能仓储与物流、市场分析、茶叶追溯系统搭建等方面的具体应用，旨在为茶产业升级转型和产业可持续发展提供参考。这些智慧农业技术的应用，促使茶产业形成智能化高标准的茶产业链，促进茶产业可持续发展，提升国际竞争力。

关键词： 全球价值链   内资企业   人工智能   溢出效应  

摘要： 内外资企业在资本和技术等方面的显著差距，导致其在全球价值链中的分工地位差异，这使得人工智能技术对两类企业价值链攀升的影响有着显著差异。本文构建了国家行业所有制三个维度的价值链位置指标，实证研究了人工智能对内外资企业价值链攀升的影响与机制。研究发现采用人工智能后，相较于外资企业，内资企业充分发挥其后发优势，获得了价值链的攀升。本文充分考虑了行业技术水平差异，对人工智能对价值链攀升的作用渠道进行分别检验，发现人工智能优化了中低技术行业资本配置效率，降低了高技术行业劳动力成本，促进了中高技术行业的产业集聚，降低了低技术行业的中间品价格，从而推动企业价值链攀升。本文进一步分析了人工智能的溢出效应，发现人工智能整体上有着正向的水平溢出；在垂直溢出效应方面，在低技术行业有着正的后向溢出，在高技术行业有着负的前向与后向溢出作用。

关键词： 机器学习   冷却循环水系统   水质预测   因果推断   SHAP  

摘要： 以广东省某发电厂循环冷却水系统为研究对象，通过建立预测模型与因果分析框架探讨发电厂循环冷却水系统中排水水质与补水水质关系，并研究构建“浓缩倍数+进水水质+排水水质”预测模型，对循环水排水水质进行主要贡献因素分析，以便为后续循环冷却水排水的污染控制提供科学指导。经过筛选选取5种相对成熟可靠的机器学习模型，包括时序卷积网络（TCN）、长短期记忆网络（LSTM）、卷积神经网络（CNN）、极限梯度提升（XGBoost）以及支持向量机（SVM），对发电厂循环冷却水进出水（即补水与排水）水质数据进行分布式学习和预测，仿真结果表明，TCN模型具有较好的预测性能。同时，本文还结合因果推断与SHAP（Shapley Additive Explanations）深入研究进水各特征对排水浓度和成分的正负效应，为提高发电厂水资源利用效率、污水治理及减少环境影响提供了可行的技术路径和理论支撑。

关键词： 金沙江流域   遥感生态指数(RSEI)   空间异质性   机器学习   XGBoost模型  

摘要： 金沙江流域是中国生态保护的重点区域，其生态环境质量对下游地区乃至长江流域的生态系统稳定性和经济发展具有重要影响，其生态系统的脆弱性使之易受自然因素和人为活动的影响。为系统了解该区域的生态环境质量时空变化及其驱动因素，采用Theil-Sen趋势分析法和Hurst指数评估了2000～2023年遥感生态指数（RSEI）和未来变化趋势，并采用XGBoost模型结合SHAP算法分析了RSEI空间异质性的驱动力。结果表明：①金沙江流域的生态环境质量从南向北逐渐降低，研究区南部的生态环境质量相对较高，而北部和中部地区则较低。尤其是在高海拔地区，由于气候条件严酷，植被稀疏，RSEI值显著偏低。②从时间变化的角度来看，2000～2023年间，生态环境质量显著改善的区域面积占比为31.52%，主要分布在青海玉树藏族自治州的北部，四川的凉山州和云南的丽江市。显著退化的区域面积占比为3.36%，主要集中在四川的甘孜州中部。未来大部分区域的生态环境质量存在退化风险，面积占比达到54.79%。③生态环境质量空间异质性主要由自然因素所决定，其海拔和降雨的影响力最强，要远超其他因素。通过定量分析金沙江流域生态环境质量的时空变化及其驱动机制，可为区域生态保护与可持续发展提供科学依据。

关键词： 易发性评价   贝叶斯网络   滑坡   机器学习   SBAS-InSAR  

摘要： 贝叶斯网络和SBAS-InSAR在滑坡易发性评价中已得到广泛应用。但是，如何充分发挥二者优势，融合两种方法来进一步改进滑坡易发性评价还有待探索。因此，本文以滑坡发生频繁的汉源县为研究区，根据地形、气象等数据提取出20个传统滑坡因子，并根据SAR卫星数据，使用SBAS-InSAR技术提取出地表形变速率作为形变因子来共同参与计算。使用地理探测器进行主导因子筛选后，采取有形变因子、除去形变因子以及递补一个因子的情况下，使用爬山算法结合专家知识构建贝叶斯网络结构并利用最大似然估计算法进行参数学习后进行滑坡易发性计算。结果表明：加入形变因子的贝叶斯网络模型的AUC值达到0.957，相比于不加入形变因子以及递补一个因子的贝叶斯网络分别提高8.63%和8.26%，且易发性分区结果更加合理。文中所提供的滑坡易发性评价方法可为区域防灾减灾提供指导，并为相关研究提供新的思路。