关键词： 呼吸机相关性肺炎   机械通气   机器学习   风险分析  

摘要： 目的基于可解释机器学习模型分析机械通气患者呼吸机相关性肺炎(ventilator-associated pneumonia,VAP)风险。方法选取2022年1月至2024年12月我院收治的机械通气患者77例。发生VAP 19例分为观察组和未发生VAP 58例分为对照组,收集临床资料,采用LASSO回归分析筛选与VAP相关特征,运用逻辑回归(logistic regression,LR)、支持向量机(support vector machine,SVM)、多层感知器(multi-layer perceptron,MLP)及极端梯度提升(eXtreme Gradient Boosting,xGBoost)4种机器学习(machine learning,ML)算法构建预测,采用SHAP方法分析可解释性。结果单因素分析显示,观察组急性生理学及慢性健康状况评分系统(acute physiology and chronic health evaluationⅡ,APACHEⅡ)(21.53±2.50)分、机械通气时间(10.37±3.30)d高于对照组APACHEⅡ(18.59±2.80)分、机械通气时间(8.38±2.55)d,观察组格拉斯哥评分(10.79±2.07)分、白蛋白水平(30.08±3.79)g/L低于对照组格拉斯哥评分(12.14±1.94)分、白蛋白水平(34.22±5.20)g/L,观察组慢性阻塞性肺疾病、糖尿病、使用镇静剂、抗生素种类与对照组差异有统计学意义(P<0.05)。LASSO回归分析显示,APACHEⅡ评分、机械通气时间、白蛋白是机械通气患者发生VAP的风险因素。基于风险因素构建4个ML,xGBoost曲线下面积(area under the curve,AUC)为0.882,准确性为81.30%,敏感度为84.00%,特异度为82.00%。SHAP结果显示,VAP风险贡献度前4的特征分别为APACHEⅡ评分、机械通气时间、白蛋白水平。结论xGBoost敏感度和特异度高,作为一种辅助诊断工具快速、准确判断机械通气患者发生VAP风险,为临床决策提供参考。

关键词： 临床决策   预后模型   机器学习   随机森林   主要不良心血管事件  

摘要： 目的 本研究旨在建立一种利用机器学习识别冠状动脉慢性完全闭塞病变介入(chronic total occlusion percutaneous coronary intervention,CTO-PCI)治疗术后主要不良心血管事件(major adverse cardiovascular event,MACE)危险因素的临床预测模型。该模型可增强临床决策能力。方法 纳入2018~2021年在西京医院经皮冠状动脉介入(percutaneous coronary intervention,PCI)治疗的冠状动脉慢性完全闭塞(chronic total occlusion, CTO)患者843例。患者数据包括基本信息、病史、住院MACE事件、术前检查和干预细节。对所有患者进行为期一年的随访,记录患者MACE事件。患者被分为训练(80%)和验证(20%)数据集。使用最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)回归筛选变量,训练了共计10个机器学习模型并进行5倍交叉折叠验证,最终选择随机森林方法进行预测模型构建。采用接受者操作特性(receiver operating characteristic,ROC)曲线、决策曲线分析(decision curve analysis,DCA)和布里尔评分(Brier score,BS)评估模型性能。并使用特征重要性分析和SHapley Additive exPlanations(SHAP)值依赖图,详细解释关键特征对模型预测结果的贡献和影响。结果 根据LASSO回归分析结果,共计纳入16个预测变量进行模型的构建,其中,随机森林模型在所有构建的模型中表现最佳,ROC曲线下面积(AUC)为0.759,BS为0.120,特征重要性分析显示,红细胞计数(RBC)、D-二聚体(D-Dimer)、血小板计数(PLT)、手术时间(operation time)和年龄(age)是预测CTO-PCI患者术后一年内发生MACE事件的关键特征。SHAP值依赖图进一步揭示了这些特征对模型预测结果的具体影响。结论 本研究成功构建了一个用于预测CTO-PCI患者术后一年内发生MACE事件的随机森林模型,该预后模型成功识别了CTO-PCI术后高危患者,有助于临床决策并降低MACE风险。

关键词： 人工智能   高原特色农产品供应链   天气风险防控  

摘要： 全球变暖所引发的影响日益显著,极端天气事件频繁发生,尤其是在高原地区,复杂多变的气候条件对农业生产和供应链稳定性构成了严峻挑战。高原特色农产品由于其对气候的高度敏感性,面临着极端天气带来的农产品质量波动、供应链中断以及市场供应不足等问题。传统的天气风险防控对策难以有效应对高原地区独特的气候挑战,亟须创新的解决方案。因此,系统构建了基于人工智能的高原特色农产品供应链天气风险防控框架,涵盖感知、计算、决策与应用4个核心层次,集成多模态数据采集、深度学习预测、动态博弈优化与联动调控等机制,实现对极端天气的精准预测与供应链各环节的动态调整。通过构建多维度天气风险预测模型和智能反馈机制,不仅可以提升高原农业的抗风险能力和供应链韧性,也为复杂环境下农业供应链管理与气候风险防控提供了系统性、可推广的技术方案与理论参考。

关键词： 人工智能   绿色建筑   施工优化   智能监控   节能技术  

摘要： 为了提升绿色建筑施工的能效和智能化水平,减少资源浪费和施工成本,本文探讨了基于人工智能的绿色建筑施工优化技术。首先分析了绿色建筑施工在成本控制、环境保护和技术创新方面的重要意义,指出了当前施工过程中能效监测手段不足、材料浪费严重和施工智能化水平低等问题。其次,提出了一系列人工智能应用的优化方案,包括加强能效监测技术的研发,通过智能监控和数据分析提升监测精度和实时性;在材料使用和回收方面,结合人工智能算法优化资源的配置和回收路径,降低浪费并减少环境负担。最后,人工智能还可在施工过程中提高自动化水平、减少人为失误、从而提升施工效率。因此,人工智能技术在绿色建筑施工中的应用,能够显著提高节能效果,推动施工过程的智能化和自动化,促进建筑行业向更加高效、环保的方向发展。

关键词： 人工智能   模块化   课程重构   “双轨递进式”   核心素养   中职会计教育  

摘要： 人工智能技术的深度应用对中职会计教育提出了新的挑战,传统课程体系在知识结构、技能培养等方面已严重滞后于行业需求。基于模块化设计理念,构建“双轨递进式”课程框架,提出“基础理论+智能应用”深度融合的教学模式。通过解构行业需求,设计包含智能票据处理、财务自动化配置等核心模块的实训体系,并建立“过程—能力—价值”三维评估体系。实证研究显示,模块化课程使学生智能财务软件操作通过率提升43.6%。研究成果为职业教育课程数字化转型提供了可复制的实践模型,助力培养兼具技术驾驭力与职业生命力的复合型会计人才。

关键词： 人工智能   人力资源管理   创新发展  

摘要： 人工智能(AI)技术的迅猛发展为人力资源管理(HRM)带来了深刻的变革。AI在招聘、培训、绩效评估等多个环节的应用,极大地提高了管理效率和决策的科学性。本文将探讨人工智能对人力资源管理的影响,并分析其带来的创新发展机遇。同时,提出基于人工智能的创新发展策略,包括构建智能化招聘平台、加强员工数据管理、推动持续学习与发展以及优化绩效管理体系,有助于企业在数字化时代有效应对人才竞争提升组织整体绩效。

关键词： DeepSeek大模型   政务服务云帮办   优化营商环境   人工智能  

摘要： 张家口市桥西区以“人工智能+政务服务”改革引领政务服务效能优化,成功将DeepSeek大模型融入桥西区特色数字化政务服务平台“政务服务云帮办”系统,为优化营商环境注入新动力。加强统筹部署,群策群力破题张家口市桥西区高度重视人工智能应用,深入研究DeepSeek本地化运用,力求建设桥西特色场景。明确办事群众爱用、高频事项优先、通用场景覆盖推进策略,发动全员立足实际寻找结合点、落脚点、见效点,优先实现数智赋能政务服务场景,并逐步应用到各类通用场景。

关键词： 机器学习   高光谱数据   岩石基本质量等级   空间预测   军事地质  

摘要： 精准获取军事地质要素属性信息,可有效支撑战场地质环境保障体系建设,为军事决策提供基础数据保障。传统军事地质要素获取以实地调查或遥感图像人工解译方法为主,在陌生地域数据获取方面,存在成本高、效率低、精度无法确定等问题;利用已知地域数据,采用机器学习、深度学习方法构建高光谱卫星影像军事地质要素属性模型,成为陌生地域数据获取的有效手段。笔者等提出机器学习支持下的岩石基本质量等级预测方法,对陌生地域岩石基本质量等级预测效果良好。在系统收集研究区岩石基本质量等级数据基础上,创建样本数据集,以资源一号02E高光谱卫星数据为数据源,采用SVC、RF、XGBoost、Stacking、Blending和ResNet50机器学习方法,开展陌生地域岩石基本质量等级的预测模型研究。研究结果表明,ResNet50模型为研究区岩石基本质量等级最佳预测模型,预测精度达65.53%,其次为Stacking模型,预测精度为41.53%,预测精度最低的是Blending模型;模型预测结果反映出研究区岩石基本质量等级的空间分异明显,总体呈现出北部岩石基本质量等级较高,以Ⅰ、Ⅱ级为主,西南部岩石基本质量等级较低,以Ⅳ、Ⅴ级为主的空间分布特点;陌生地域岩石基本质量等级以Ⅲ级及以下为主,东北方向岩石基本质量等级较高。研究以期为军事地质数据获取和数据应用提供依据。

关键词： 机器学习   电子哈密顿量   神经网络   量子化学计算  

摘要： 电子哈密顿量的机器学习为高效的量子化学计算提供了新途径,近年来得到了快速的发展.本文系统总结了机器学习哈密顿量的理论框架与技术路线,重点分析核岭回归、前馈神经网络和图神经网络等相关方法的特点及其适用场景.特别地,基于对称性约束的等变图神经网络显著提升了哈密顿量预测的物理一致性,而高质量的公共数据库和差值学习策略有效缓解了高精度数据稀缺问题.然而,强关联体系的可解释性建模、复杂对称性的精确保持和大体系的高效预测仍然是当前亟待突破的挑战.本文围绕网络架构、特征构造、数据集构建和损失函数设计展开详细讨论,为未来机器学习在电子哈密顿量研究中的进一步发展提供新的思考和展望.

关键词： 城市内涝模拟   二维卷积神经网络(2DCNN)   机器学习   时空特征   快速预报  

摘要： 城市内涝灾害频发,开展精准高效的预报、预警和预演对于城市内涝防控和防洪排涝规划具有重要意义。基于水动力学模型的城市雨洪模拟面临计算效率低、建模资料需求大等问题,难以支撑“四预”实现。本研究以扬州新城河片区为研究区,建立时空数据(降雨和地形)驱动的基于二维卷积神经网络的城市内涝积水预测模型,实现研究区全域网格的逐时段模拟。结果表明,模型对积水时空预测性能表现优异,卡帕系数等空间性能指标高于0.80,且半数指标高于0.95,大部分积水点积水深时间序列纳什效率系数为0.80~0.99。相较物理过程模型,训练(率定)和预测效率分别提升77.7倍、285.2倍。研究成果可为城市内涝实时预报、即时预警、快速推演提供技术参考。