关键词： 特高含水油藏   井间优势通道   深度置信神经网络   算法融合   机器学习  

摘要： 井间优势渗流通道的形成受多方面的因素综合影响,识别过程中需要分析的因素众多、过程复杂,最直观可靠的做法是通过剖面测试数据结合生产动态分析来判定,或者通过措施见效井来验证是否存在优势渗流通道,但是实际生产中剖面测试数据量不足,措施见效井分析结果又属于后验知识,时效性差,导致识别的精度和效率较低。因此,本文以大庆油田特高含水典型区块M区块为例,结合主控因素分析方法构建特征参数集,应用粒子群算法(PSO)优化深度置信神经网络(DBN)的结构参数,通过逐层递推和全局优化融合、有监督和无监督学习算法融合提升模型性能,形成了一种基于机器学习算法的注采井间优势通道识别的方法。构建的优势通道识别PSO-DBN模型应用于典型区块,识别准确率比未经过优化的DBN神经网络模型预测准确率提高了2.8%,比MLP神经网络模型预测准确率提高了8.6%,通过增补无标注样本、实现有监督和无监督学习算法融合,可以进一步提升识别精度。

关键词： 人工智能   提起诉讼   运营方式   生成式   加拿大   信息数据  

摘要： 对于人工智能科技公司来说,当前一种通行的运营方式是从网络上抓取现成的信息数据作为语料,用于生成式人工智能模型的训练及内容输出。随着人工智能技术应用的不断发展和普及,内容生产者的反应日益强烈。近日,加拿大各主要新闻机构就此对美国开放人工智能研究中心(Open A)提起诉讼。加拿大国会众I议院酝酿推动立法,规制人工智能科技公司获取数据作为语料的行为。

关键词： AIGC舆情   人工智能   网络舆情   舆情治理  

摘要： 在人工智能技术和算法迅速发展背景下,由人工智能生成内容(AIGC)引发的网络舆情及相关风险呈现新样态。基于案例分析和实证调研,梳理案例相关舆情产业生态和特征,发现目前国内已经出现体系化使用AIGC扰乱舆情的趋势,且由于对AIGC舆情认识不足、舆情治理主体在舆论场中处于“弱者”地位、缺乏相应技术监测和规制手段、缺乏法治化规制手段等原因,AIGC舆情存在多种风险和治理困境。治理部门应加强对AIGC舆情的认识,不断提高技术水平和法治化程度,通过建立多元主体协同监管机制、督促平台自治、创建具有高拓展性的风险监测机制等进行治理。

关键词： 主导产业   未来产业   科技产业   智能制造   承载区   生态宜居   生物医药   新一代信息技术  

摘要： 南京麒麟科技创新园(以下简称麒麟科创园)围绕“打造国家区域科技创新中心核心承载区、国家战略科技力量承载区”使命任务,做强做优新一代信息技术、新能源、新经济业态、智能制造等主导产业,着力培育综合交通、生物医药、新材料等一批未来产业,聚力建设“创新策源活力之城、科技产业实力之城、生态宜居魅力之城”。

关键词： 认知大模型   人工智能   数字化转型   生物学教学  

摘要： 随着时代发展,基于人工智能技术的认知大模型系统已具备了参与实际课堂教学的基础。本文对比了认知大模型和学生在情境创设、情境分析、综合运用三个教学阶段,应对生物学学科问题的具体表现,评估了认知大模型引入课堂教学对学生素养提升的作用,为数字化教学转型下的课堂组织提供借鉴。

关键词： 人工智能   教师技能实训   方法设计   效果评估  

摘要： 在当前人工智能迅猛发展的时期,教育教学领域特别是专业技能实训教学正在经历一场深刻变革,人工智能技术的整合在技能实训教学方面对教师的素养和能力提出了史无前例的高要求。本论文工作致力于专业教育领域,在人工智能技术的时代背景下,制定了一套专业教师在进行技能实训课程方面的改进方法。

关键词： 急性呼吸窘迫综合征   集成学习   疾病严重程度   疾病严重程度辨识   机器学习  

摘要： 目的:为实现对急性呼吸窘迫综合征(acute respiratory distress syndrome,ARDS)患者疾病严重程度的连续监测,提出一种基于集成学习的ARDS患者疾病严重程度辨识算法。方法:首先,利用开源数据库MIMIC-Ⅳ(Medical Information Mart for Intensive CareⅣ)提取患者的多种无创生理参数并进行初步预处理,采用多元特征选择算法对患者的多种无创生理参数进行特征排序并通过加权计算得出特征重要性评分;其次,根据特征重要性评分结果,采用子集搜索算法寻找在神经网络、逻辑回归、AdaBoost和XGBoost 4种机器学习算法下能够产生最佳性能的特征子集;最后,结合最优特征子集,使用广义线性回归模型设计软投票集成方法将单一机器学习算法结果进行集成,设计多元集成学习算法。基于MIMIC-Ⅳ数据库验证多元集成学习算法对ARDS患者疾病严重程度的辨识能力,并与传统算法进行比较。结果:多元集成算法的敏感度、特异度、准确率、AUC分别为87.15%、89.23%、88.34%、0.9234,均优于传统算法。结论:基于集成学习的ARDS患者疾病严重程度辨识算法能够实现对ARDS疾病严重程度的连续、实时监测,可为ARDS患者早期辨识预警提供有力支持。

关键词： 汽车产业   智能制造   转型升级   院长助理   编委会副主任   发展潜力   核心本质   主题演讲  

摘要： 近年来,全球汽车市场正经历着一场前所未有的变革与重构浪潮,智能制造的转型升级也成为行业内外广泛热议的焦点话题。在这场既充满机遇又充满挑战的变革中,汽车产业的新生态正逐步显现,并展现出巨大的发展潜力。在《汽车制造业》编委会成立大会暨2024“扶轮奖”颁奖盛典上,清华大学车辆与运载学院副研究员、汽车产业与技术战略研究院院长助理、《汽车制造业》编委会副主任委员刘宗巍博士发表了主题演讲,深刻剖析了当前及未来智能制造的核心本质和发展趋势。

关键词： 计量器具   校准数据   可视化分析   故障预测   机器学习  

摘要： 以计量器具校准数据为研究对象,通过对校准数据进行可视化分析,探索数据中蕴含的规律和故障特征,并基于机器学习算法构建故障预测模型。研究结果表明,可视化分析能够直观地展现校准数据的分布特点和异常情况,为故障诊断提供重要依据。同时,基于校准数据训练的故障预测模型能够有效识别潜在的器具故障,为计量器具的维护和管理提供决策支持。本文研究方法和成果可为计量器具的智能化管理提供新的思路和参考。

关键词： 地下储气库   数字孪生   一体化建模   数据融合   多目标多约束优化   机器学习  

摘要： 地下储气库具有能源储备、季节调峰和应急供气的功能,其运行需要满足安全性、可靠性、经济性和高效性要求。为实现地下储气库的运行要求,需要建立地下储气库智能化的生产运行系统,而构建地下储气库数字孪生是实现地下储气库智能化生产运行的有效途径。从对象孪生、状态孪生和自主孪生三个层次给出了地下储气库数字孪生的定义。从数据、模型与算法、功能三方面设计了地下储气库数字孪生框架,总结了其中的关键技术,包括:地面—井筒—地质体一体化建模技术;地面注采站智能化运行技术;储气库稳定性及风险评估技术;数据融合算法;多目标多约束优化算法;机器学习辅助预测、预警、优化、决策算法。