关键词： 城市内涝   公众图像   人工智能   评估模型  

摘要： 衡量城市内涝严重程度的标准除了积水范围外，积水深度是更为重要的一个标准。面向传统城市内涝积水状态监测方法存在成本高昂、监测范围有限以及仅能针对特定易涝区域进行监测的局限性，提出了一种利用社会公众拍摄的图像信息构建的城市内涝深度等级评估模型。我们利用爬虫技术以“城市内涝”和“车辆受淹”等词语作为关键词，从互联网上收集社会公众拍摄的包含涉水小型车辆的图像和视频构建样本集，采用车辆淹没深度作为参照标准，将内涝深度划分为安全（0-20cm）、不安全（20-60cm）和危险（>60cm）三个等级，并为这些等级创建了相应的标签。应用Yolov8模型构建了Yolov8l，Yolov8m，Yolov8n，Yolov8s四组不同网络复杂度的模型，训练过程中，利用混淆矩阵和精确度(Precision)和召回率(Recall)、平均精度均值(mAP)、平均精度均值精度(AP)四种精度指标对模型的准确性进行了综合评估。实验结果证实，Yolov8算法能够有效识别不同场景下车辆的淹没状态，且对各危险等级的车辆识别平均精确度达到了70%。这一精度水平表明，该模型能够作为一种有效的工具，用于监测和评估城市内涝的积水深度等级。本研究不仅提高了内涝灾害评估的时效性和准确性，还拓展了社会信息在灾害管理中的应用，为未来的城市灾害管理提供了一种人工智能与社会公众信息相结合的解决方案。

关键词： 板式定制家具   价值流图   产线优化   智能制造   家具制造   降本增效  

摘要： 运用价值流分析方法，以T企业板式定制家具生产过程为研究对象，通过收集相关数据绘制其现状价值流图，找出当前生产中存在的增值率低、运输路线交叉迂回、在制品库存多、空间浪费严重等问题。针对上述问题，绘制未来价值流图，通过鱼骨图、流程程序分析法、ECRS原则等方法对板式定制家具车间开展以降本增效为目标的优化措施。首先对车间的生产现状进行了分析，并据此绘制了现状价值流图，识别并分析了生产过程中的非增值活动，从瓶颈工序优化和车间布局优化两个维度出发，提出了可行的改进措施，并据此绘制未来价值流图。通过优化改善，与改善前相比车间搬运距离由56m减少到36.28m、作业人员由63人减少到55人、增值比由0.043%增长至0.045%，生产线平衡率由59.23%提高至67.32%，大幅提升了生产效率，为板式定制家具企业生产线优化提供新思路。

关键词： 地理语言学   地理信息科学   人工智能   语言地理计算   语言时空知识图谱  

摘要： 为响应国家“语言资源保护开发”的迫切需求和科技融合发展趋势，该文提出了“语言空间智能”这一新兴领域。该领域融通语言学、地理学和人工智能，专注于多模态语言数据的信息识别、提取、处理、重构、制图、挖掘分析与智能服务。论文首先阐明了语言空间智能的基本内涵，涵盖其概念、内在逻辑、应用领域及核心科学问题等方面。其次，提炼出了该领域的几项核心研究内容，介绍了其支撑理论与方法。最后，阐明了该领域面临的机遇与挑战，并探讨其实现路径。本文的研究不仅有助于推进交叉学科建设，发掘学术增长点，还将为创新性人才培养和前沿社会应用提供重要指引，助力语言资源的保护与开发。

关键词： 会计舞弊   机器学习   非遴选因子   会计比率  

摘要： 本文研究将机器学习引入资本市场监管，优化会计舞弊治理的理论和现实问题。使用1998-2021年会计舞弊数据，采用8种主流机器学习模型，从非遴选因子视角评估机器学习遏制会计舞弊的优势和潜力。研究发现，使用机器学习预测会计舞弊，并不依赖事前因子遴选，预测效果超过了事前遴选会计指标的各种组合，预测指标AUC平均提升12.22%。分析表明这与事前遴选指标更容易受到市场针对性的规避行为有关。在此基础上，本文进一步讨论了机器学习优化中国资本市场“双随机、一公开”抽检政策的潜力，认为引入机器学习能够大幅提高会计舞弊检出数量，降低重大舞弊案例的发现阈值，缩短会计舞弊的处罚时滞，从而遏制会计舞弊的扩张。

关键词： 数字法院   人工智能   应用场景   司法生产力  

摘要： 人工智能正以前所未有的速度和深度重塑社会格局,司法领域亦随之革新。数字法院的崛起不仅是技术工具的应用,更深层次地影响了司法认知,推动传统司法思维和范式的系统性变革。作为数字法院建设的基石,数据的采集、处理与应用分别面临全面精准、安全有效以及融合共享的更高层次要求。数治路径则聚焦内部监管与外部治理双重维度,开创司法质效提升与社会服务优化的新模式。智能化进程围绕司法过程质量提升,涵盖审判思维的数字化改进、审判方式的系统化革新、智能工具的广泛应用及司法生产力的全面解放。同时,数字法院建设也面临风险挑战,如人工智能对司法裁判的影响以及算法理性与法官主体性的平衡关系等,有待实践中进一步审慎应对和深入探讨。

关键词： 人工智能   制造业贸易   长三角地区   工业机器人  

摘要： 第四次科技革命以来,以人工智能为代表的新技术广泛应用在各行各业,在"降本提质增效"方面发挥积极作用.长三角地区是国家战略规划中重点发展人工智能和制造业相结合的示范区,研究长三角地区对制造业发展有重要意义.通过从贸易的主要流程入手,研究人工智能对制造业贸易不同阶段产生的影响.研究表明:人工智能对长三角地区制造业贸易额增长有促进作用,在市场和销售、生产和采购等方面促进制造业贸易的发展;同时人工智能对制造业贸易的发展存在负面影响,如短期失业、发展差距拉大等.未来人工智能应用到制造业贸易中,要注意扬长避短,发挥科技的最大效用.

关键词： 新能源汽车   智能制造   5G技术  

摘要： 传统能源是目前世界各国消耗的主要能源，但传统能源的不可再生性导致世界各国政策偏向新能源发展，新能源已成为目前研究的主流趋势之一，随着新能源技术的蓬勃发展，新能源汽车领域也受到广泛关注，因此，汽车行业朝着更环保、更智能的方向进行转变是必然趋势。研究结果表明国家政策导向、产品市场需求和智能技术发展可行性均对新能源汽车5G智能技术发展能力有直接的积极影响，但企业共性对新能源汽车5G智能技术发展能力没有显著影响；智能产品生产管理对新能源汽车5G智能技术发展能力有直接的积极影响且智能产品生产管理在智能技术发展可行性和新能源汽车5G智能技术发展能力之间起到中介效应，但智能产品生产管理在企业共性和新能源汽车5G智能技术发展能力之间没有起到中介效应。本文研究结果为探索5G技术应用于新能源产业的发展和新能源汽车行业发展及管理提供参考。

关键词： 渭河流域   水质评价   主成分分析(PCA)   地理探测器   机器学习  

摘要： 渭河作为黄河最大的支流，在黄河流域生态保护和高质量发展中处于重要地位。基于新型综合水质指数（WQI-DET），结合差异性分析方法对渭河水质状况和时空差异性进行综合评价分析，同时借助主成分分析法确定主要污染物种类，利用地理探测器量化流域水质可能的驱动因子影响力，并在此基础上运用机器学习算法和高频监测数据实现对WQI-DET的模拟计算和预测。结果表明：①渭河流域存在有机污染、富营养化营养盐污染、六价铬污染和氟化物污染，水体可生化性差，营养盐结构不平衡，氮污染严重；水质状况在过去3a未能得到根本改善。②渭河流域水质指标时空差异显著，有机污染、氮污染以及浊度等指标呈现季节性特点；不同支流水质与干流上中下游间存在差异，污染物呈现出沿程累积的特点。③农业生产的面源污染和生活废水点源污染是渭河有机污染物、富营养化营养盐等的主要来源，同时渭河部分支流受到工业源污染影响，重金属污染较严重；地理探测结果显示流域水质受到人类活动和自然条件的共同作用。④机器学习模型可对渭河WQI-DET进行准确预测，利用日监测数据的6项指标通过COA+BP模型准确模拟计算了WQI-DET(R2>0.92)，依托高频次的日监测数据和COA+BP模型计算结果建立VMD+CNN-GUR-SE模型实现了未来WQI-DET的计算，从而实现了对渭河水质的预测计算；群智能优化算法、变分模态分解和注意力机制的引入大幅改善了模型性能。

关键词： 新型城镇化   青年发展友好型城市   双重差分   政策耦合关系   机器学习  

摘要： 在乡村振兴战略背景下,学界普遍认为新型城镇化建设和青年发展友好型城市政策之间存在耦合关系,但出于政策实行时间较短,始终没有得到数理上的验证.提出两个假设,认为政策可能通过教育、生态、科技、交通四个领域作为其传导路径推动新型城镇化的建设,并在提高城市质量的同时提高其经济水平.对 54 座城市展开文献调研,利用机器学习方法(BP神经网络、SVM、梯度下降法)弥补双重差分方法(DID)的不足,发现在教育、生态两个领域中政策效果具有较高显著性,验证了两个政策存在的耦合关系,政策的提出有利于城镇的经济发展、教育水平提高和改善生态环境.

关键词： 机器学习   抗微生物耐药性(AMR)   抗生素   基因组   深度学习  

摘要： 由于抗微生物药物尤其是抗生素的滥用或过度使用，微生物耐药性已成为全球公共卫生领域的紧迫挑战。近年来，随着高通量测序技术的迅猛发展，微生物组学数据呈指数级增长，利用机器学习预测微生物耐药表型和识别耐药标志物具有重要意义。有监督式学习和无监督式学习的机器学习方法已成功应用于早期微生物耐药性的准确预测。通过分析微生物的基因组和耐药性数据来构建机器学习预测模型，可提高对微生物耐药性的预测能力，制定更有效的抗生素合理使用策略，从而控制微生物耐药性的传播。综述了微生物耐药性领域常用的机器学习算法和机器学习模型的具体构建流程，并总结了机器学习在微生物耐药性预测中的应用及发展前景，旨在为未来各项耐药监测提供科学参考。