关键词： 人工智能   气象预测   神经网络   气象大模型  

摘要： 气象预测是人工智能技术应用的重要领域。人工智能方法在捕捉和分析气象系统复杂动态模式方面展现出巨大潜力，为气象预测业务带来新的契机和挑战。首先介绍了传统的机器学习算法如随机森林、XGBoost和支持向量机，虽然在某些方面比传统方法性能要佳，但也存在一定局限性。其次深度学习模型凭借其强大的特征提取和模式识别能力，在分析和预测气象变量方面表现出色，尤其是神经网络、卷积神经网络和循环神经网络等。最后介绍了大模型如盘古、伏羲和GraphCAST在提高预测准确性方面的巨大潜力。同时，文中也指出了未来需要关注的研究方向，包括模型优化、算法改进、提高数据质量和多样性，以及跨学科融合等，以期为气象预测的持续发展提供理论支撑和技术保证。

关键词： 环境工程学   预制混凝土(PC)构件   碳排放计算   机器学习   碳排放预测  

摘要： 为了进一步探究生产阶段预制混凝土（Precast Concrete，PC）构件碳排放及影响因素，并简化其计算过程，利用过程清单分析法建立生产阶段PC构件碳排放计算公式，立足于实际生产对叠合板、预应力叠合板等5种PC构件在生产阶段的碳排放进行计算与对比分析，进而建立相关数据集。基于6个PC构件的基本特征建立了6种不同的机器学习模型，通过评价指标对模型性能进行全面比较。研究结果显示：5种构件的碳排放量主要来自建材生产，其中叠合板的单位体积碳排放量最高；各机器学习模型可以较好地预测PC构件生产阶段碳排放，其中极端梯度提升模型（eXtreme Gradient Boosting，XGBoost）表现最佳，在测试集上的R2为0.966。研究结果可为PC构件设计与生产制定低碳策略提供一定的理论参考，并为预测PC构件生产阶段碳排放提供一种较为简便的方法。

关键词： 人工智能   饥饿游戏搜索算法   PID控制器   参数优化  

摘要： 首先,针对传统比例-积分-微分(PID)控制系统中存在的调节时间长、时延、滞后等问题,提出使用改进的饥饿游戏搜索(THGS)算法优化传统PID控制器的参数.其次,利用作物生长模型、土壤水分传输模型和土壤肥料传输模型进行仿真实验,结果表明, THGS算法优化的PID控制器在调节时间和起调量方面均优于其他控制器,有效提升了控制系统的性能.

关键词： 人工智能   职业   劳动   任务替代性  

摘要： 随着人工智能的快速发展，其对各类职业的影响日益广泛而深刻。借助GPT-4卓越的工作任务评估能力，并结合职业分类大典对职业主要工作任务的科学概括，可以构建出一种适合中国国情、区别于西方的评估方法，用于衡量人工智能对中国职业的影响程度。基于该方法，对中国1 625个职业进行全面评估，结果表明约65%的工作内容面临人工智能影响，具备科学性、批判性、创造性、社会智力以及身体技艺的职业受影响较低，人工智能的影响与工资水平无关，但与工资成长空间呈反向关联，与用工缺口有一定关联，与职业数字化关联较小，劳动者对人工智能的影响普遍预估不足，因此，建议不同影响程度的劳动者应采取不同的应对策略，各职业主体均应积极应对这一趋势。

关键词： 高校学生   艾滋病   健康教育   机器学习   Boruta算法  

摘要： 目的 了解惠州市高校学生干预前艾滋病知识知晓情况及其防治需求意愿，为艾滋病宣教干预政策的制定和完善提供科学依据。方法 于2021年1月至2022年6月，采用电子问卷的方法调查惠州市6所高校在读学生，内容包括一般人口学资料、艾滋病知识、以及性教育、艾滋病宣教、自愿咨询检测（以下简称VCT）等方面的健康教育意愿和需求。知晓率以艾滋病知识问卷前8题进行计算，总知晓率以24题进行计算。宣教需求的组间比较采用Fisher确切概率法，多重检验的P值采用FDR法进行校正。多因素分析均使用R 4.3.3软件进行，对艾滋病知晓率多因素分析采用多重线性回归，艾滋病防治需求意愿的多因素分析采用Boruta算法，以P<0.05作为双侧检验水准。结果 本研究收集了12 109份有效问卷，艾滋病知识知晓率为71.14%，总体知晓率为71.93%。以知晓率为因变量，一般人口学资料为自变量，进行多重线性回归分析，结果显示女性知晓率比男性高3.93%(95%CI:3.22%～4.64%,P<0.001)，外市户籍学生知晓率比本市学生高2.81%(95%CI:1.90%～3.71%,P<0.001)，农村学生知晓率比城市学生低2.65%(95%CI:-3.44%～-1.87,P<0.001)，大二学生知晓率比大一学生高0.87%(95%CI:0.12%～1.62%,P=0.022)，生活费在2 001～<3 000元和≥3 001元以上的学生知晓率分别比2 000元以下的学生低1.32%(95%CI:-2.41%～-0.22%,P=0.019)和7.04%(95%CI:-9.02%～-5.06%,P<0.001)以艾滋病防治需求意愿为自变量，通过Boruta算法进行重要特征筛选，分析显示性别的重要性评分最高。将重要特征筛选结果，性别作为分组依据，对宣教需求意愿进行比较发现，女学生在性教育、艾滋病宣教、VCT宣教3个方面的需求意愿均显著高于男学生，差异有统计学意义（P<0.001）。其中，女学生有性教育宣教意愿需求的比例为79.34%，男学生为59.18%；女学生有艾滋病防治信息宣教需求的比例为60.11%，男学生为45.84%；女学生认为VCT有必要在校园推广的比例为88.01%，男学生为79.61%；女学生认为性行为后需要进行VCT的比例为79.34%，男学生为59.18%。结论 惠州市高校学生的艾滋病知识知晓率处在国内中等水平，但有较高的宣教干预需求，应以性别作为重要特征，结合学校课程和同伴教育开展有针对性的健康教育。

关键词： 力学本科教学   人工智能  

摘要： 人工智能为力学高等教育带来了机会和挑战，敦促相关教育工作者不断去探索和应用新的教学方法和技术，以更好地满足受教育者和社会的需求。本文论述了作者们对人工智能时代力学本科教学的思考，包括基础理论、知识图谱及若干可行性措施等，以期赋能构筑力学“人在回路”、“建构双脑”、“具身智能”的全新教育生态。

关键词： 滑坡易发性制图   深度学习   机器学习   集成学习  

摘要： 基于AI技术的滑坡易发性制图具有高效、准确的优点，为推进其在滑坡灾害防治中的应用，本文在介绍和总结机器学习、深度学习以及集成学习模型的原理及特点的基础上，选择支持向量机、深度随机森林和随机森林等代表性模型在陕西省略阳县进行了应用分析；探讨了AI技术在滑坡易发性领域的应用及发展方向。研究结果表明：基于决策树的集成学习模型相比于逻辑回归、支持向量机等，表现出更高的效能，AUC值在0.90以上；LSM中常用的类不平衡采样策略下，基于Boosting的集成模型具有优势，并且其受采样比的影响相对较小；对抗生成网络可以提高在深度学习模型在数据限制情况下的性能，在本文中AUC值从0.77提升至0.82；滑坡理论模型与AI数据模型相结合，具有巨大的潜力；通过充分利用时序数据的AI模型可以提升模型的性能，并有助于揭示滑坡的链式灾害效应和时空演化特征；进行各种学习模型的系统性研究，对于AI技术在滑坡易发性制图中的应用具有重要的意义。

关键词： 大数据分析   人工智能   供应链整合   供应链敏捷性   数字供应链转型  

摘要： 基于组织信息处理理论，构建“大数据分析与人工智能-供应链整合-供应链敏捷性-数字供应链转型”的链式中介模型，运用偏最小二乘结构方程模型和重要性-绩效图对192份汽车企业样本进行实证分析。研究发现：大数据分析与人工智能对数字供应链转型具有显著正向影响；供应链内部整合、供应链外部整合和供应链敏捷性在大数据分析与人工智能和数字供应链转型之间起到同步和链式中介作用；大数据分析与人工智能和供应链外部整合在推进数字供应链转型实践方面具有相对较高的重要性和绩效改进空间。研究进一步夯实了数字化转型理论基础，揭示了供应链层面的数字化转型机制，为解决汽车行业利用大数据分析与人工智能实现供应链数字化转型提供参考。

关键词： 智慧养殖   人工智能   大数据   奶牛疾病预警   步态异常  

摘要： 在奶牛养殖过程中，肢蹄病、产后虚弱等多种疾病的早期阶段均可见步态异常表现。作为奶牛健康状况的早期指示性指标，步态异常不仅可以提示奶牛个体健康状态的变化，还影响着奶牛福利、生产性能及繁殖效率，进而造成牧场更多的经济损失。本文剖析了奶牛步态异常的产生机理，并以此为基础，着重探讨了奶牛智慧健康管理系统通过对步态异常的揭发，实现个体疾病早期诊断的积极意义。凭借智能传感、多模态数据算法模型及“端-边-云”高性能计算能力，为牧场提供了新的疾病预警与健康评估手段。该系统旨在构建一个集全面生命体征监测、智能化分析与精准化辅助诊断于一体的现代化奶牛养殖体系，以克服传统人工诊断技术的局限，实现对奶牛疾病揭发的客观性、全面性、准确性和及时性。根据临床案例研究表明，牧场使用奶牛智慧健康管理系统后，疾病揭发数量是人工揭发的3～4倍，疾病揭发时间较人工揭发提前7～30天。该系统的应用能有效提升牛群健康水平，减少沉没成本，提升经济效益。

关键词： 中药材   模式识别,自动   中药药材学   应用程序   人工智能   PyQt5   卷积神经网络  

摘要： 背景传统中药材检测手段依赖主观经验，难以满足中药材在准确分类与鉴别方面的需求。目的本研究旨在基于卷积神经网络（CNN）开发一款能够自动识别163种中药材的人工智能模型及电脑端应用程序。方法2020年1月—2024年6月，采集了两个中药材数据集进行深度学习模型的训练、验证和测试，共包含163种中药材。通过准确率、灵敏度、特异度、精确率、受试者工作特征（ROC）曲线下面积（AUC）、F1分数等指标来衡量CNN模型的性能。在模型训练完成后，基于PyQt5技术开发了一款应用程序，供临床便携使用。结果 本研究共纳入了276 767张图像，开发了EfficientNetB0、ResNet50、MobileNetV3、VGG19和ResNet18 5种模型，通过性能比较，EfficientNet＿B0模型在验证集上取得了最高的准确率（99.0%）和AUC(0.9942)，被选为最佳模型。在测试集上，最佳模型对所有中药类别识别的准确率为99.0%、灵敏度为99.0%、特异度为100.0%、AUC为1.0，展现出良好的性能。结论 基于卷积神经网络开发的深度学习模型能够快速准确地识别163种中药材，借助其高灵敏度的识别能力，为医师对中药材的鉴别提供有力辅助。