关键词： 行人保护   机器学习   头部损伤指标   罩板结构   3D-CNN自编码器  

摘要： 为了快速评估车辆开发阶段不同车辆发动机罩板结构的行人保护性能，提出了一种基于三维体素数据的机器学习预测方法。首先，基于7辆车的有限元模型构建以罩板头部碰撞点为中心的三维体素数据集，精确表征罩板的复杂三维结构；其次，利用3D-CNN自编码器对三维体素数据进行无监督特征学习，生成1 000维的编码数据集；随后，通过PCA线性降维技术过滤噪声特征，得到224维PCA数据集；最后，对比数据集在4种机器学习模型上的性能。试验结果表明：224维PCA数据集的预测效果更优，其中，SVR模型对HIC和a峰的预测决定系数R2分别达到98.86%和98.44%，显著提升了预测精度和泛化能力。此外，单辆车超过100组碰撞点的计算时间缩短至10 s内，大幅提高了汽车安全性能开发效率。

关键词： 藻类水华   香溪河   机器学习   环境因子   贡献率分析  

摘要： 藻类水华是三峡库区支流库湾的重要生态环境问题.为明确香溪河库湾水华暴发的主控环境因子，本研究基于2024年8月9日至8月30日的高频监测数据，以叶绿素a(Chl.a)为水华表征指标，采用随机森林(RF)、支持向量回归(SVR)和偏最小二乘回归(PLS)模型识别关键驱动因子.结果表明，香溪河库湾水华过程具有显著的日内节律变化特征，夜间低扰动和热分层的稳定条件显著促进水华形成，而白昼扰动和高温环境则抑制水华积累.流速(WV)和气温(AT)是水华暴发的即时驱动因子，贡献率分别为27.1%和18.1%，电导率(SP)作为重要调节因子贡献率为17.1%，而溶解氧(DO)、pH和水温(WT)则表现为次要的反馈性因子.此外，各因子对水华存在显著的非线性与滞后响应特征.

关键词： 咸潮上溯预报   SHAP模型   机器学习   珠江河口  

摘要： 为有效应对珠江河口区咸潮上溯日趋加重的问题,利用磨刀门水道逐时观测数据,基于梯度提升决策树(GBDT)、极端梯度提升(XGBoost)、轻量级梯度提升(Light GBM)、类别提升(Cat Boost)模型框架,结合可解释性的SHAP模型进行咸潮上溯逐时预报。结果表明,4种机器学习算法模型均具有较好的预报效果,其中Cat Boost模型表现最好,24 h预见期模型纳什效率系数为0.738 5;基于SHAP模型特征重要性排序进一步优选输入因子,可以提高模型精度,优化后的Cat Boost模型纳什效率系数、相关系数分别提升了0.30%、0.13%;对咸潮上溯预报不同特征进行SHAP分析可提高模型可解释性,分析发现盐度特征对咸潮上溯预报呈线性正相关影响,单一特征的SHAP分布图散点的分布越集中,特征重要性越大。

关键词： 人工智能   人工智能   低空经济   治理模式   新质生产力  

摘要： 人工智能对经济和社会的改变是巨大的，以至于“人工智能+”势不可挡。低空经济的横空出世便是有赖人工智能技术实现发展的新型经济业态。本文将低空经济发展与“人工智能+”行动融合，着重研究助推低空经济发展的制度创新与治理模式变革。研究指出，人工智能能够通过改变成本结构、市场结构和推动制度变革，解决低空经济领域的安全、效率和规模三大核心挑战。基于此，本文提出了低空经济的“智能治理”模式，具体包括以规则代码化完善政策法规标准、以低空智联化加强低空基础设施建设、以监管AI化建立安全管控平台和以治理“虚拟化”开创治理新时代四项重要内容。

关键词： 红色资源   多模态   数智技术   人工智能  

摘要： 红色资源多模态转化与数智技术具有严密的逻辑耦合和时代关联,深入探究数智赋能红色资源多模态转化需深刻把握其理论逻辑、现实逻辑与实践逻辑内部关系,且具有理论与实践意义。以理论逻辑为出发点,构建统一数据规范体系,实现红色知识结构化表达与智能激活,重塑红色价值表达方式,推动红色精神活化转化,强化多模态融合与价值传播;以现实逻辑为着眼点,积极应对文化碎片化、增强意识形态安全、满足数字原住民参与诉求的必然选择,多模态技术集群的成熟应用、政策与基础设施的协同推进,为红色资源转化提供了技术支撑和保障;以实践逻辑为落脚点,提出数据资源整合与平台建设、多态融合叙事与传播、沉浸式体验设计应用等现实路径,实现红色资源与现代科技全方位深度融合,推动红色资源高质量开发利用。

关键词： 新型电力系统   可再生能源   电力系统仿真   调频   发电预测   能源管理系统   人工智能   储能   智能微电网调度  

摘要： 当前，全球能源结构正经历深刻转型，以风能、太阳能为代表的可再生能源凭借其清洁性和可持续性，日益成为电力供应的关键组成部分。但这类能源固有的间歇性和波动性对电力系统的频率、电压及整体稳定性带来严峻挑战，威胁供电的安全性与可靠性。为有效应对上述挑战，电力系统亟须引入先进的技术与方法，以保障其运行的可靠性与效率。系统分析了仿真技术、频率调节策略以及人工智能在新型电力系统中的作用。深入剖析了混合仿真从传统串行到高效并行及智能化的发展路径，探讨了虚拟同步发电机与多类型储能在应对惯量下降和频率调控中的关键作用，并全面评估了人工智能在新能源发电预测、负荷预测及智能微电网调度中的最新进展与潜力。最后指出，应充分发挥储能技术和人工智能的支撑作用，构建更加灵活的市场机制和资源配置体系，为新型电力系统的稳定运行奠定基础。

关键词： 全氟和多氟烷基化合物(PFASs)   人工智能   材料科学   生物技术  

摘要： 综述了水中PFASs的来源及污染现状。详细阐述了物理法、化学法及生物法在去除水体中PFASs的最新研究进展。从人工智能、材料科学及生物技术方面探讨了从水体中高效低成本、绿色、经济去除PFASs未来展望。

关键词： 人工智能   乡村   三治融合  

摘要： 【目的】人工智能的创新发展和规范应用是加快乡村“三治融合”的重要动力，能有效推动乡村治理现代化发展。【方法】本文聚焦人工智能推进乡村“三治融合”的实践逻辑，采用文献研究法深入分析乡村“三治融合”发展的现实困境，并提出相应的优化路径。【结果】目前，人工智能推进“三治融合”面临着村民主体参与异化、算法应用存在不足、乡土伦理逐渐消解等问题，需从自治、法治、德治等方面破局。【结论】因此，亟须在人工智能赋能下构建数字协商以提升乡村自治效能、完善数字规则以强化乡村法治建设、凝聚数字共识以推动乡村德治发展，以此深化“三治融合”，持续优化乡村治理体系。

关键词： 人工智能   绿色创新   信息不对称性   政府补贴   融资约束  

摘要： 我国《“十四五”智能制造发展规划》明确提出，要推动人工智能技术在绿色制造领域的创新应用，发展智能绿色装备和产品。制造业采用人工智能技术后是否能实现“增量提质”？为了问答并验证这一问题，本文选取2012-2023年中国A股制造业上市公司的面板数据作为研究样本，采用固定效应模型探讨人工智能应用对制造业企业绿色创新“增量提质”的影响及作用机制。结果发现：人工智能能够促进企业绿色创新的“增量提质”；作用机制表明，人工智能通过缓解信息不对称和帮助企业获得政府补助来促进企业绿色创新的“增量提质”；调节效应表明，融资约束在人工智能和企业绿色创新质量之间发挥倒“U”型调节作用；异质性分析表明，人工智能对企业绿色创新数量效应在低污染、低环境规制和高技术企业中更显著，而人工智能对企业绿色创新质量在低污染、高环境规制以及高技术企业中更为显著。本文为企业实现绿色创新的规模经济与质量突破提供理论依据，并为政策制定者优化人工智能赋能路径提供决策参考。

关键词： 心血管疾病   人工智能   机器学习  

摘要： 心血管疾病目前仍然是全球主要的死亡原因。当前心血管病相关基础研究主要聚焦于阐明疾病的机制、识别潜在的治疗靶点和研发新型药物等领域。随着研究的不断深入与拓展，组学等前沿技术及相关数据规模正呈现爆发式增长态势。因此，开发能高效挖掘数据潜在信息及整合现有数据库的方法非常重要。近年来，国家大力助推人工智能的发展。随着人工智能理念与技术的不断升级与发展，其在前沿基础的重要性迅速提升，克服了当前研究模型存在的一些局限性。本文综述了人工智能在心血管疾病前沿基础研究领域中的发展和应用，讨论了目前存在的问题及未来发展方向。