关键词： 机器学习   人工湿地   氨氮   COD   重金属  

摘要： 数据驱动的方法可以预测人工湿地出水水质，这对于提高人工湿地的处理性能至关重要。本研究考虑了水质指标、气候指标、湿地运行参数三大方向，收集以往大量研究文献数据，通过三种机器学习模型预测人工湿地出水氨氮(NH4+)、COD、磺胺甲噁唑（SMX）以及部分重金属的浓度。结果表明，随机森林在整体性能上略优于XGBoost和LightGBM，其决定系数(R2)和均方根误差（RMSE）的表现更为稳定，尤其是在NH4+和SMX的预测上取得更高精度(NH4+预测的R2分别为0.93、0.89和0.87)。相比之下，在COD的预测中，三种模型的表现相对较弱，R2分别为0.71、0.61、0.64。通过引入SMOTE数据扩充技术，模型的预测性能和精度得到了显著的提升，尤其是对COD的预测性能提升幅度达到了7.04%～26.23%。此研究将科学的数据分析与机器学习算法相结合，可为实际工程应用提供可行方法。

关键词： 数据要素   人工智能   新质生产力   机制与框架  

摘要： 在人工智能和数字经济快速发展的背景下，政府推动“人工智能+”“数据要素×”战略，以促进新质生产力发展。数据和人工智能在技术创新、资源配置和产业转型中发挥关键作用，推动生产效率和商业模式创新。文章构建一个系统性机制框架，深入分析数据和人工智能如何共同推动新质生产力发展。研究发现：两者已融合成一个有机体，通过数据生命周期各阶段的相互作用构建高效价值创造体系；在经济活动各环节展现协同效应，助力生产力要素升级；提出的机制与框架为新质生产力发展提供新的诠释，并指导实践应用。

关键词： 支气管动脉   体层摄影术,X线计算机   人工智能   前瞻性研究  

摘要： 目的 探讨胸部增强CT（C-CECT）联合深度学习全模型迭代算法（AIIR）用于支气管动脉（BA）成像的价值。方法 前瞻性纳入70例接受C-CECT检查的患者，分别以AIIR（AIIR组）与混合迭代重建（HIR，HIR组）重建图像。由2名医师采用5分法对整体图像质量、BA可追溯性、BA锐利度和诊断BA异常信心进行主观评估，比较组间评分及观察者间评估结果的一致性。比较组间重建图像中胸主动脉、肺动脉干、BA及竖脊肌噪声（SD），上述3支血管相对竖脊肌的对比度噪声比（CNR），以及BA起源处、分叉处与肺门处直径。结果 AIIR组整体图像质量、BA可追溯性、BA边缘锐利度及诊断BA异常信心评分均高于HIR组（P均＜0.001），且观察者间主观评分的一致性较好（Kappa=0.46～0.73）。AIIR组主动脉、肺动脉干、BA及竖脊肌SD均低于、而上述3支血管CNR均高于HIR组（P均＜0.05）。组间BA各处直径差异均无统计学意义（P均＞0.05），而观察者间针对AIIR组测量结果的一致性高于HIR组（组内相关系数：0.89～0.94 vs. 0.63～0.78）。结论 C-CECT联合AIIR可显著提升BA成像质量与诊断信心。

关键词： 无人驾驶航空器   无人机   人工智能   智联体   低空经济  

摘要： 低空经济的崛起加速了无人驾驶航空器从机械体向智联体的转变，安全至上的监管理念和传统的监管模式受到挑战。无人驾驶航空器经由人工智能发生质变，在人机关系中主体地位日益增强，扩张了风险来源，改变风险权重分布，并使风险形式复杂化。因此，无人驾驶航空器的法律监管模式需要改变，从“人—机”二维监管升级为“人—机—智”三维监管，法律监管重心逐渐转入人工智能维度。为此，需要对法律监管从人工智能维度做如下调整：树立发展与安全相互平衡的理念，给予法律监管足够的容错空间；突出技术属性的标准在无人驾驶航空器法律监管中的特殊地位，实现标准与法律的并行不悖；根据无人驾驶航空器算法透明性的特点，实施不同于互联网企业的算法监管；探索无人驾驶航空器的具身监管，为技术发展预留制度空间。

关键词： 骨质疏松   椎体CT值   骨密度   脊柱术后并发症   人工智能  

摘要： 随着我国人口老龄化的加剧，骨质疏松症(OP)患病率急剧攀升。目前OP的诊断主要依赖于骨密度(BMD)，故BMD的精确测量在脊柱外科疾病的诊治中至关重要。近年来，计算机断层扫描(CT)检查以其独特的优势在临床诊疗中受到了广泛关注。椎体CT值不仅可提高OP的诊断率，还可有效预测相邻椎体骨折、融合器沉降、椎弓根螺钉松动等术后并发症的发生。本文总结了椎体CT值在脊柱外科领域的应用研究进展，分析了其指导脊柱手术的可行性，以及与脊柱术后并发症的相关性，同时就CT结合人工智能(AI)辅助疾病诊疗的进展展开了论述，旨在更好地在临床上推广椎体CT值的应用。

关键词： 知识引导数据驱动   融合驱动   洪水预报   人工智能  

摘要： 受环境变化影响，暴雨规律显著变异，突发水事件增加，导致洪水过程非平稳性加剧，人类活动改变了天然汇流规律，洪水预报面临新的挑战，研究有效的洪水预报水文模型有助于应对可能发生的灾害。目前，基于传统物理方法（机理模型）的水文模型和数据驱动模型是研究洪水发生、预判洪水演变的两种主流方法。机理模型往往难以满足个性化或复杂繁多的场景要求，对洪水径流系统机制的理解不够完整，科研人员需要其利用深厚的专业知识来确定参数的初始表达，常常面临效率低下和优化水平不高的问题。数据驱动模型训练严重依赖于数据集，训练过程缺乏物理规律引导，容易出现不符合科学常识的输出，违反物理一致性原则，模型的可解释性较差。此外，训练数据和测试数据分布的偏差，会带来模型的泛化问题。理论引导数据科学(Theory-guided data science， TGDS)方法旨在利用领域的科学知识，提高数据驱动模型的有效性。因此，在本文的研究中，结合TGDS技术，为数据驱动模型引入洪水预报领域的物理知识，来指导模型更准确地拟合洪水过程，融合机理模型与数据驱动模型两种建模的优越性能，弥补相应的不足，增强模型的通用性、可解释性及其物理一致性。具体来说，首先，对现有的机理模型与数据驱动模型的实现与融合方式进行了概念与特点分析。其次，本文对TGDS技术在不同领域的研究现状提出了新的分类方式，并进行总结。最后，对知识引导数据驱动方法在水文模型构建的未来工作进行了展望。

关键词： 战略性矿产   矿产资源   开发利用   循环利用   大数据   人工智能  

摘要： 开展战略性矿产资源开发利用研究，是为制定战略性矿产资源发展战略，提高矿产资源开发利用水平，保障国家矿产资源安全提供战略参考。本文在全面收集国内外战略性矿产资源开发利用研究成果的基础上，采用文献阅读和系统分析的方法，对战略性矿产资源研究的历史、概念及厘定方法，战略性矿产资源的勘查和潜力评价，战略性矿产资源的开发利用，战略性矿产资源的管理和政策法规，信息化技术在战略性矿产资源开发利用中的应用进行了全面、系统的论述，指出战略性矿产资源的评价方法从定性走向定量，战略性矿产资源清单不断丰富；战略性矿产资源成矿理论、找矿方法、勘查技术不断完善，资源潜力评价逐渐形成理论方法体系，但有必要从战略性新兴产业的角度对矿产资源潜力进行补充性评价；矿产资源绿色勘查，综合利用，绿色、高效、智能化开采技术不断发展，矿产资源开发利用效率和综合开发利用水平不断提升，开采和选冶加工技术水平不断提高，矿业正朝着资源安全、生态安全的高质量方向发展；高度重视矿区生态修复，发布实施了一系列政策措施，矿山生态修复成效显著；战略性矿产资源管理政策不断完善，新修订了《矿产资源法》，对矿产资源保护和勘查、开发利用，矿业用地，以及生态修复等作了规定，从法律上构建了全面系统的矿产资源安全保障体系。信息化技术在资源开发利用和资源管理中发挥重要作用，大数据技术在智能勘探与开发、监测与预警、资源评价、决策支持等方面得到具体应用。本文对未来战略性矿产资源开发利用趋势进行了展望，包括战略性矿产目录更新机制、勘查和储备、产业链供应链全面协调、科技创新和应用等方面。一是战略性矿产清单调整要加大频率，战略性矿产资源战略和政策力度会加大。二是战略性矿产资源勘查开发会进一步加强，新一轮找矿突破战略行动将取得重要进展。三是长链补链措施并举，战略性矿产资源产业链供应链安全保障能力将提升。四是应对绿色低碳转型和生态文明建设要求，科技创新将会得到重视，绿色、低碳、智能化开发水平进一步提高。

关键词： 新就业形态   人工智能   法律规制   劳动者   算法  

摘要： 数字化、网络化、智能化的发展催生了新就业形态,人工智能在新就业形态中广泛运用于智能调度、智能管理、智能语音交互、智能客服、智能物流和虚拟直播等领域。人工智能在为新就业形态赋能的同时,也引发了诸多法律挑战。人工智能对新就业形态劳动者的算法控制,对劳动者、消费者等隐私和个人信息权益其他人格权和财产权的侵害,以及人工智能与新就业形态劳动者的竞争等难题亟需在法律作出回应。基于此,在宏观层面,新就业形态中人工智能治理需遵循多项基本原则、平衡多方主体的利益、形成多元规范合力;在微观层面,结合立法论与解释论的工作,通过算法规制、人工智能侵权责任主体和归责原则的厘清、法律保障人工智能辅助作用的充分发挥等,相应的具体问题也能够迎刃而解。通过宏观与微观措施的合力,共同保障新就业形态劳动者的合法权益,促进新就业形态的产业发展。

关键词： 新质生产力   新兴数字技术   新兴产业   未来产业   人工智能  

摘要： 新质生产力不仅是当前我国经济增长的新动能，也是高质量发展的助推器。新质生产力产生于技术的革命性突破，而新兴数字技术则成为最重要的手段之一，其通过实现生产力三要素数字化转型、推动生产效率大幅提高、创造新领域新赛道供给、培育新兴产业与未来产业成长、以数实融合引领传统产业优化升级、以低碳转型形成绿色生产力等机制赋能新质生产力。从具体发展路径上看，人工智能、工业机器人、元宇宙、数字内容等代表性新兴数字技术的有效落地，强化了生产要素质量，催生出新需求、新业态、新模式，为新质生产力发展增势蓄能。今后，我国应牢牢把握新兴数字技术对新质生产力的促进作用，加大新兴数字技术领域的创新投入力度，积极培育新兴数字技术领域的创新型人才，完善支撑新兴数字技术发展的现代化产业体系建设，从而加快新质生产力的形成和壮大。

关键词： 微塑料   高光谱解混   拉曼成像   机器学习   环境检测  

摘要： 微塑料作为一种新型持久性污染物，已对生态系统构成潜在威胁，因此，有效进行微塑料的识别和分类工作对于环境污染的监测和风险评估至关重要，在现有的多种检测方法中，拉曼成像技术因其低样本需求及化学特异性强等优点被广泛应用于分析微塑料的类别和特征。为了应对MPs引发的生态环境问题，探讨高光谱解混方法与机器学习相结合的拉曼成像技术，用于识别和可视化土壤中的微塑料。其采用N-FINDR算法耦合无约束最小二乘法(N-FINDR-UCLS)分析聚苯乙烯(Polystyrene,PS)、聚丙烯(Polypropylene,PP)、聚乙烯(Polyethylene,PE)和聚己二酸/对苯二甲酸丁二醇酯[Poly (butylene adipate-co-terephthalate),PBAT]等四种常见的微塑料，分别对单一微塑料以及原始、老化和土壤中混合的微塑料进行了拉曼成像，并利用N-FINDR-UCLS分析，将其计算求得的平均光谱与原始微塑料拉曼数据进行对比，以皮尔逊相关系数(r)评价光谱图的相似性和鲁棒性。结果显示，建立的方法能够快速准确地识别单一以及原始和老化微塑料多元混合的微塑料类型，并在复杂的土壤样品中保持良好的识别能力。在微塑料污染日益严重的背景下，为环境监测和污染治理提供了强有力的工具，未来的研究可以进一步优化算法，引入更多种类的微塑料样本，并探索在其他复杂环境中的应用。