关键词： 家庭债务风险   机器学习   风险测度   模型融合   SHAP  

摘要： 家庭债务风险是系统性金融风险的重要诱因，影响金融系统安全和社会稳定，因此准确预测家庭债务风险具有重要政策意义。本文基于2012—2022年中国家庭追踪调查数据库(CFPS)，构建了包含62个变量、23578个观测值的宏观经济-微观家庭混合数据库，基于传统计量模型、深度学习模型和集成学习模型中的7种机器学习算法，进行了模型风险预测应用效果的对比、评估和融合实验。研究结果表明，第一，与传统模型相比，深度学习模型和集成学习模型预测能力较优，而集成学习模型最优，其预测准确率、精准率、AUC值都达到0.92以上。第二，模型融合集成的结果表明，融合后的集成模型具有复杂数据适配性、强鲁棒性和泛化能力，以及增强决策可解释性的显著优势，克服了传统计量模型在复杂数据场景下的局限性，能够进一步提升家庭债务风险的预测效果。第三，利用SHAP值解释方法对Stacking融合模型的可解释性分析表明，家庭资产类变量、收入和负债类变量和人口与社会结构类变量对家庭债务风险有显著的非线性影响。

关键词： 智慧金融   中小企业   人工智能   融资约束   风险治理   数字经济  

摘要： 中小企业是我国国民经济的重要组成部分,但长期以来面临着“融资难、融资贵、融资慢”的现实问题,严重制约其发展潜力。随着人工智能、大数据、云计算、区块链等数字技术与金融行业的深度融合发展,智慧金融成为解决中小企业融资困境的有效方式。本文基于理论研究与现实问题分析,探讨了智慧金融在中小企业融资中的现实应用路径。研究发现,智慧金融可以通过智能风险控制、大数据信用评估、区块链溯源等金融科技手段,优化金融市场资源配置,提高中小企业融资可得性。然而,智慧金融的应用过程也可能引发数据存储安全、算法决策偏见、隐私数据泄露、法律监管滞后等新型风险与挑战。为此,本文提出建立数据保护机制、优化算法设计、隐私管控、跨部门协同监管与明晰法律责任主体等风险治理策略,旨在推动智慧金融助力中小企业融资的可持续发展。

关键词： 社会科学普及   人工智能   文艺形式  

摘要： 社会科学知识普及作为连接学术象牙塔与日常社会生活的桥梁，其核心使命在于将社会科学的知识、理论、方法转化为公众易于理解、接受和应用的智慧，提升国民的思辨能力与社会化程度，为社会的现代化发展与国家文化软实力建设提供坚实的思想基础。本文旨在系统性探讨在全球数字化浪潮与人工智能技术飞速发展的背景下，如何创新性地融合人工智能（AI）与文艺形式，系统性地构建一套由技术赋能、形式革新、精准触达、效果升级和生态重塑组成的“五位一体”应用场景和实践路径，以有效提升社会科学知识的普及广度、深度与效度。

关键词： 定子绕组   机器学习   SMOTE-ENN   CAHHO-LSSVM   温度预测  

摘要： 定子绕组是水轮发电机的主要发热部件,其温度变化直接关系到机组运行安全。传统水电站多采用温度超限报警方式进行监测,但该方式响应滞后,难以及时预警,进而影响电力系统运行稳定性。为此,以抽水蓄能电站水轮机定子绕组为例,通过分析定子绕组温升的影响因素,选取关键特征变量,并开展相关性分析,提出了结合SMOTE与ENN的新型组合采样方法,以提高数据采样的精度,同时通过多策略改进方式对HHO算法和SVM模型进行优化,建立了基于组合采样-CAHHO-LSSVM的定子绕组最高温度预测模型,最后,利用该模型对现场监测数据进行试验验证。结果表明,所提模型能够准确预测定子绕组的最高温度变化情况。

关键词： 数据调试   机器学习   数据质量   数据清洗   人工智能  

摘要： 人工智能的蓬勃发展，对医疗健康、生物信息、金融服务等各领域产生深远影响.人工智能应用的主要范式是构建机器学习模型，探索数据中的规则和模式，以用于推理和决策.人工智能系统的有效性和效率取决于2个关键方面：其一是模型方面（以模型为中心），包括增强网络结构，如RNN到LSTM的转变、模型超参数调优等；其二是数据方面（以数据为中心），如标准化数据格式、增大数据量、减少数据噪声等.一直以来，调试人工智能系统主要侧重于优化模型（即第1方面）.然而，以社交网络和电子商务为代表的数字化时代的到来产生庞大且多样的数据，使得以模型为中心的调试已无法满足人们对人工智能系统的需求.因此，研究界和工业界将注意力从模型转向数据，以弥补这一差距.为此，“数据调试”（data debugging）应运而生.与优化模型不同，数据调试侧重检查数据，即理解错误数据在机器学习管道的各阶段对下游任务的影响，进而调试相应错误以提高模型性能.基于此，在全面调研数据调试相关工作的基础上，首先，提出数据调试研究框架，根据数据调试方法与机器学习管道的交互，将现有方法分为封闭式数据调试、浸入式数据调试和混合式数据调试3类.接着，详细概述本领域的相关工作.其次，对数据调试方法进行实验评估，同时总结该研究领域常用的数据集和评价指标.最后，指出数据调试面临的挑战及未来发展方向.

关键词： 人工智能   药学教育   跨学科培养   拔尖创新人才   培养体系  

摘要： 人工智能（Artificial Intelligence，AI）技术正深度重塑新药研发全链条，药学教育亟须培养“懂AI、精药学、擅创新”的复合型人才。复旦大学药学院以“基础－进阶-卓越”三级培养体系为抓手，重塑课程图谱、革新教学模式，并搭建跨学科协同平台，率先走出一条AI与药学教育深度融合的特色之路。本文系统解析该体系的构建逻辑、实施路径与育人成效，为高等药学教育融合AI提供了可参考的范式。

关键词： 预报降水   Stacking集成   机器学习   统计后处理  

摘要： 利用数值天气预报(NWP)产品作为模型输入进行洪水预报,可以显著延长洪水预报的预见期。若直接将未经校正的预报降水数据用于水文模型,会引入额外误差,进而影响洪水预报精度及预警效果。为校正NWP数据的偏差从而提升洪水预报的准确性,提出一种Stacking集成方法对预报降水进行统计后处理,该方法分为2层,第1层采用RF、KNN、XGB、LGB、Catboost、GBM共6种机器学习模型对欧洲中期天气预报中心(ECMWF)提供的预报降水产品分别进行校正,然后在第2层构建RF模型将6种机器学习校正结果进行集成,得到最终的校正预报降水数据。在山东省大汶河流域的应用结果表明,该方法能够有效融合多个机器学习模型的优势,优于单一机器学习模型,校正后降水的均方根误差从13.75 mm降至9.33 mm,相关系数由0.41提高至0.78,相对偏差由-10.95%减小至-1.40%,同时更准确地反映了降水强度的梯度特征。

关键词： 人工智能   政府采购   决策支持   数据安全   智能变革  

摘要： 近年来，人工智能技术快速发展，按照《新一代人工智能发展规划》及《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》的要求，各领域积极推进人工智能应用。政府采购作为采购货物、服务和工程等项目的重要手段，涉及大额资金及资源交易，面临多重风险和挑战。人工智能技术通过自动化处理、数据分析和决策支持功能，为提升政府采购效能、确保公平公正公开提供了新路径。该文首先介绍了人工智能发展现状，其次探讨了政府采购与人工智能结合的潜在优势，并研究如何实施这一结合以应对政府采购领域面临的主要挑战。

关键词： 烤烟   形态学   深度学习   机器学习   遗传算法  

摘要： 利用人工智能多模态算法解决烤烟等级识别率低的问题。首先，利用OpenCV对烟叶进行去背景，并提取烟叶形态学特征，如长度、宽度、含青率等45个特征；依据烟叶含青率和含杂率筛选出青、杂烟；其次，分析烟叶的部位形态学特征，利用Densenet稠密连接神经网络融合SE注意力机制构建深度学习模型，并在深度学习最后一层加入烟叶的部分形态学特征，收集烟叶5个部位图像数据进行训练，得到烟叶的部位识别准确率为92.46%；然后，分析烟叶各个部位不同等级的特征，以烟叶形态学特征中的H均值、S均值等特征作为输入，烟叶等级为输出，采用随机森林算法构建机器学习模型，并利用遗传算法进行参数寻优；最后，得到烟叶各个部位等级的平均预测精度为93.438%。经过实测得出烟叶等级的综合识别率为85.87%。该方法可为行业智能化烟叶收购提供有力帮助。

关键词： 机器学习   共价有机框架   铼酸吸附   高通量筛选   模型预测  

摘要： 高效去除核废水中高浓度锝酸盐(99TcO4-)至关重要。现有吸附剂容量低，再生频繁，核素再释放风险高。共价有机框架（COFs）在吸附铼酸（锝酸替代物）方面潜力显著，但传统实验方式筛选高性能吸附剂效率较低。为此，提出基于机器学习的COFs筛选策略。通过收集文献中关于COFs特性和铼酸吸附实验参数的多维数据，构建了一个用于预测铼酸吸附性能的数据集。随机森林算法训练的模型表现最佳，可用来模拟吸附过程并从公开数据库中筛选出高容量吸附剂。关键结构特性分析表明，调控吸附剂孔直径（2～5 nm）和原子加权电负性（0.8～1.0）能显著提升水溶液中铼酸吸附性能。此策略能有效识别高性能水处理吸附剂，加速COF材料在污染物去除中的应用，为发现优势吸附剂提供了新方法。