关键词： 锂离子电池   机器学习   高斯过程回归   电池健康状态   电池管理  

摘要： 准确地估计电池健康状态（SOH）对锂离子电池储能系统的安全高效运行十分重要，围绕电池老化特征提取依赖特定工况和实际电池充放电过程随机性的问题，该文提出一种基于分段特征提取和稀疏高斯过程回归（GPR）的电池健康状态估计方法。首先，按照荷电状态对数据进行分段，针对每一段数据分别提取了30种特征，并基于充放电过程数据各训练了10种模型；其次，对部分特征计算Shapley值，解释充放电模型的差异性；然后，分析对比了五种高斯过程回归模型的核函数的预测性能；最后，与其他四种机器学习模型进行对比。测试结果表明，在高倍率工况下，基于60%～70%荷电状态的放电数据片段的模型预测效果最佳，所有测试集的平均方均根误差为0.26%。利用充电数据估计SOH时，基于马特恩核函数的GPR模型的预测结果的方均根误差最高降低了31%，而利用放电数据估计SOH时，基于有理二次核函数的GPR模型的预测结果的方均根误差最高降低了64%。

关键词： 人工智能   全球南方   国际合作   人工智能治理   南南合作   优化建议  

摘要： 近年来，中国在与其他全球南方国家的人工智能合作中逐步形成了一种具有鲜明特色的“发展型合作模式”，其核心特征体现为自主赋能、开放包容与合作共赢。为给中国优化全球南方人工智能合作路径提供理论参考，并为发展中国家技术合作的可持续发展提供实践启示，本文基于对中国与其他全球南方国家人工智能国际合作政策的系统分析，结合多边与双边合作机制下的实践案例，从能力建设、应用驱动和数据流通等关键领域，探讨中国如何推动全球南方国家人工智能的发展进程。研究发现，中国与其他全球南方国家合作方兴未艾、态势向好，但仍面临制度碎片化、内部发展差异、西方舆论抹黑与分化等现实挑战。为此，本文提出以下针对性建议：1）以金砖合作机制为引领，强化多边协作框架，提升全球南方国家在人工智能治理中的话语权；2）重点抓住“关键国家”战略支点，深化示范性合作项目，形成区域辐射效应；3）加强国际舆论引导与透明化合作，通过释疑增信化解误解，巩固互信基础。

关键词： 海洋气象   有效浪高   机器学习   气象因子   支持向量机回归   轻量级梯度提升机回归  

摘要： 为了解机器学习在海浪预测中的准确性，选取广东茂名浮标站2013年2月至2024年6月逐小时观测数据，应用机器学习方法分析了风速、气温、气压等气象因子对广东近海有效浪高的具体影响，并评估了10种机器学习模型在预测有效浪高方面的性能特点，结果表明：风速是SWH预测最重要的因子，气温和月份的影响次之；在单因子（风速）和多因子（风速、月份、气温）模型拟合两个实验中，支持向量机回归在两种拟合实验中均表现最佳，特别是在多因子拟合中，预测值的均方根误差约为0.31，相关系数高达0.87，决定系数为0.74，显示出优秀的预测性能；轻量级梯度提升机回归则在预测稳定性方面与SVR相当。

关键词： 人工智能   视网膜   病灶分割   眼科   教学  

摘要： 目的 建立基于人工智能(artificial intelligence,AI)的糖尿病视网膜病变(diabetic retinopathy,DR)病灶分割系统,将其与传统人工标注的表现进行比较,并探究其在临床教学中的应用。设计教学研究。研究对象北京同仁医院10位第一年专业型硕士研究生,以及300张DR彩色眼底照片。方法 建立一套基于AI的眼底病灶分割系统,可识别微血管瘤(microaneurysm,MA)、视网膜出血(hemorrhage,HE)、硬性渗出(hard exudation,EX)和软性渗出(soft exudation,SE)。所有眼底照片均由高年资眼底病专家标注作为金标准,再分别由AI和人工进行标注,比较二者标注水平。分别使用人工模式和AI模式对两组眼科研究生进行教学,比较两组学生考核的正确率。主要指标DR眼底照片病灶标注准确性(Dice系数),标注每张眼底照片所需时间,学生对病灶识别的准确度。结果 AI和人工标注四种病灶的平均Dice系数为0.845和0.871(P=0.525)。AI平均标注每张眼底照片所需平均时间为1.2秒,明显短于人工标注的1451秒(P<0.001)。使用二者分别进行教学后,学生考核平均正确率为83.5%和82.5%(P=0.790)。结论 AI能准确识别DR病灶,总体水平与人工标注相当且效率极高,可应用于眼科临床教学中。(眼科,2025,34:232-235)

关键词： 低压铸造铝硅合金   硬度预测   机器学习   集成学习   特征重要性  

摘要： 基于3 418条实际低压铸造铝合金生产数据，提出了一种结合多种机器学习算法的集成学习硬度预测模型。结合多种机器学习算法，构建了一个多模型集成的硬度预测模型。通过对Lasso回归、支持向量回归（SVR）、K近邻回归（KNN）、梯度提升回归（GBR）、XGBoost和Stacking模型进行比较，选取表现最佳的Stacking模型进行优化和验证。结果表明，Stacking模型在MAE、R2等指标上均展现出最优的表现。可解释的SHAP分析表明，Cu、Zn等元素对合金硬度的影响显著。

关键词： 生态需水   XGBoost   CMIP6   机器学习   塔里木河流域  

摘要： 为适应或减缓气候变化对陆地生态系统的影响，探究气候变化下的植被生态需水（EcologicalWaterRequirement ofVegetation，EWR）规律对维持陆地生态系统的稳定至关重要。本文基于CMIP6气候模式数据，以塔里木河流域为研究区，综合运用随机森林（RF）、极端梯度提升（XGBoost）、人工神经网络（ANN）和长短期记忆网络（LSTM）四种机器学习模型，结合气象要素与遥感因素，设计多种输入组合，深入分析了各模型在不同输入组合下对EWR预测的性能。在此基础上，筛选最优模型对未来EWR进行预测，并采用SHAP法量化了气象与遥感因素对EWR 变化的贡献。结果显示：（1）四种机器学习模型均适用于研究区EWR的评估，其中XGBoost模型的综合性能最优。温度和净辐射是影响模型预测性能的主要气象因素，而引入遥感要素后，模型性能得到了进一步提升。（2）历史情景（historical）、中排放强迫情景（SSP2-4.5）和高排放强迫情景（SSP5-8.5）下的研究区平均EWR分别为498.58×108m3，548.81×108m3和570.28×108m3，未来EWR整体呈上升趋势，其中4月和5月为水需求增幅最显著的时期。（3）空间上，三种情景下研究区EWR均呈北高南低的分布特征；但相较而言，SSP5-8.5情景下EWR变化更为显著，南北差异明显缩小。（4）EWR变化的主要影响因素为叶面积指数、净辐射和最低气温，其中平原区EWR变化主要受叶面积指数影响，而山区EWR的变化则受叶面积指数、净辐射和最低气温的共同影响。

关键词： 工程造价   成本优化   人工智能   神经网络  

摘要： 本文就人工智能算法在工程造价成本优化应用层面进行探究,以其理论基础、实际应用、实施策略及案例分析为对象进行研究,用心探究神经网络、遗传算法、粒子群优化算法、模糊逻辑与专家系统在造价优化中的实际功效,还针对数据处理、模型训练、优化系统组建等关键内容展开探讨,筛选典型案例来分析人工智能对工程造价优化起到的实际效能,证实其可行性及优势,为工程造价管理供给智能化解决途径,提升成本优化的科学高度与精准维度。

关键词： 数字孪生   智能制造   集群机器人   协同制造  

摘要： 航空航天、海洋舰船、轨道交通等领域的重大装备制造在服务于国家重大需求、引领国民经济发展与保障国防安全中占据举足轻重的作用.传统人工加工一致性差、效率低,专机加工工作空间受限、柔性不足,车间加工协同性弱、智能化程度低,这些都难以满足大型化、多品种的柔性制造需求.集群机器人协同制造利用生物集群的智能协作机理,能在大型复杂场景中不断拓展并优化各类作业的执行能力,克服传统制造模式中的不足,实现制造过程的高效协同和智能制造.数字孪生技术作为新兴制造技术,为集群机器人协同制造系统的构建部署、虚拟调试、智能感知、通信协作、调度规划和协同控制等方面提供技术集成方案和工具链支撑,能有效提升制造系统的效率,保障制造过程安全性.本文详细介绍数字孪生技术的研究背景与意义、国内外研究现状、关键技术及应用和发展趋势,并以自主研发的一套面向飞机壁板装配的集群机器人数字孪生系统为例进行具体分析.本文对于了解数字孪生在制造领域的技术方案和工具体系以及数字孪生在重大装备集群机器人协同制造方面的应用研究具有参考价值.

关键词： 人工智能   “复活”技术   人类数据化   数字生命   记忆伦理   数字资本主义  

摘要： 数字化时代背景下，数字平台将人类的物质性特征数据化。人工智能“复活”技术通过人工智能手段，将逝者的声音、形象在数字世界中再现，其在触动公众情感共鸣、满足对逝去亲人深切怀念的需求之外，同时产生了复杂的伦理讨论及法律层面的深刻挑战。一方面，人工智能“复活”技术虽然实现了对逝者声音、形象的再现，却未能完全复刻其精神特质，引发了关于数据化意识是否能否被视为生命、数字永生与虚拟数字人差异的深层探讨；另一方面，数字人工智能“复活”技术虽然通过模拟逝者的外貌、声音以及行为特征，提供了一种超越传统影像技术的实时互动体验，增强了生者与逝者之间的“情感羁绊”和“交互性”，但也忽视了逝者的权利，引发技术如何在心理慰藉与伦理界限间找到平衡的思考。

关键词： 人工智能   电力电缆故障   诊断技术   机器学习   特征提取  

摘要： 本文旨在探究人工智能技术在电力电缆故障诊断领域的应用。研究采用机器学习和深度学习模型处理电缆运行数据,通过特征提取与模式识别,实现对电缆故障的快速准确诊断。比较不同算法在准确率、诊断速度等方面的表现,确定最优模型。实验结果表明,人工智能技术大幅提高了故障诊断的效率和准确性,尤其在处理大规模数据时更显优势。该技术的成功应用为电力系统的维护和安全运行提供了强有力的技术支撑。研究对于推动电力系统现代化和智能化转型具有重要意义。