关键词： 数据驱动   机器学习   暂态稳定评估   电力系统   模型更新  

摘要： 电力系统是一个时变的复杂系统，近年来基于数据驱动的机器学习方法在电力系统暂态稳定评估领域得到了广泛地应用。然而当电力系统运行受到较大扰动发生工况变化时，机器学习模型需要根据新的运行数据进行训练，以至于难以及时应对新拓扑结构下系统的暂态稳定情况评估。为解决该问题，提出一种模型更新机制，按照不同条件对模型进行更新。此外还引入了基于多面近端支持向量机（multisurface proximal support vector machine，MPSVM）的斜双随机森林（oblique double random forest with MPSVM，MPDRF）模型作为分类器对电力系统的稳定状态进行评估。在新英格兰10机39节点系统上的测试结果表明所提出的结合更新机制的电力系统暂态稳定评估方法具有较高的评估性能。

关键词： 栅元均匀化   环境效应修正   机器学习   压水堆  

摘要： 传统的单组件全反射边界条件无法考虑燃料组件在实际反应堆中的真实环境，真实堆芯中不同燃料组件之间的中子射流及能谱干涉等环境效应对栅元均匀化常数有较大影响。为处理栅元均匀化的环境效应，提升高保真数值计算方法的计算精度，本文基于机器学习的方法，通过对多组件模型的研究，提出了基于组件划分的Colorset全组件模型来考虑环境效应；通过对机器学习模型特征量的敏感性研究，确定了以栅元材料、位置、周围组件信息及能谱及泄漏相关信息的特征量组合，建立了基于机器学习的栅元均匀化环境效应修正方法，并在“华龙一号”堆芯问题上进行了方法验证。结果表明，对于“华龙一号”堆芯问题，该方法与传统方法相比，能有效提高反应性及栅元功率分布的计算精度。因此，本文建立的栅元均匀化环境效应修正方法能用于压水堆栅元均匀化环境效应修正，提高其计算精度。

关键词： 大语言模型   科技档案   档案服务   人工智能   知识产权   个性化服务   知识生产   科技创新  

摘要： 从剖析科技档案管理的现状及存在的问题出发，基于大语言模型在信息处理中的优势，分析大语言模型在科技档案管理中的三个应用场景，分别为聚焦服务知识应用的场景1.0，支持知识生产的场景2.0，激发科技行业新生态的场景3.0；最后指出了大语言模型应用带来的挑战，包括AI生成内容的知识产权问题、信息安全风险、内容质量控制及人员的人工智能素养要求等。为大语言模型赋能下的科技档案管理智能化、高效化发展提供理论框架与实践导向。

关键词： 脑电信号特征   面部图像特征   特征融合   疲劳识别   机器学习  

摘要： 使用面部特征和脑电（Electroencephalogram，EEG）特征识别驾驶员的疲劳状态，对驾驶员进行疲劳提醒，可以有效降低事故发生概率。为解决单一面部特征或EEG特征识别精度不高的问题，提出一种基于EEG与面部特征拼接融合的疲劳识别方法。提取EEG信号的时域、频域、非线性特征和面部特征，通过特征层信息融合的方法进行特征拼接。为提高面部特征识别速度，提出了一种改进的YOLOv5＿mobilenet模型。在此基础上，将拼接后的融合特征通过六大机器学习模型进行精度识别，并选择准确性、F1＿score、精确率和召回率进行分析、评价。使用公开的数据集来验证所提出的方法，结果表明，改进的YOLOv5＿mobilenet模型在各个特征表现均高于现有模型；不同的机器学习模型评价结果显示，与单一的疲劳特征识别相比融合特征表现更好，因此，基于EEG与面部特征拼接的融合特征用于驾驶疲劳识别是可行的。

关键词： 机器学习   神经网络   物理信息   深度能量法   应力分析  

摘要： 本文采用机器学习结合计算力学分析了带孔薄板的应力问题，其中数据驱动神经网络依赖于输入数据，通过学习数据中的模式来进行预测。物理信息神经网络通过嵌入平衡方程，提高了准确性和泛化能力。深度能量法根据最小势能原理构造损失函数，计算效率和准确性明显更优，给出了其在双向均匀拉伸和非均匀拉伸下的Von-Mises 应力和误差云图，误差不超过5%。与机器学习的交叉有力地促进了计算力学研究范式的创新，并不断拓展其深度和应用范围。

关键词： 城市轨道   出行模式   张量分解   机器学习   归因分析  

摘要： 科学的轨道交通出行模式分析是运营决策优化的重要依据。为挖掘城市轨道交通时空流动特征及其影响机理，提出一种基于非负张量分解的OD客流强度时空分布计算方法，采用融合SHAP归因分析的极端梯度提升树（eXtreme Gradient Boosting,XGBoost）对各模式OD客流强度进行拟合预测。使用城市轨道交通AFC (Automatic Fare Collection System, AFC)系统数据，从空间、时段以及出行日3个维度构建三阶客流OD张量，采用交替非负最小二乘法（Alternating Non Negative Least Squares,ANLS）实现非负CP张量分解。基于张量分解结果，从北京轨道交通344个站点连续1周16,266,966条出行数据中，提取出晨高峰长距离通勤、早高峰中短通勤、平峰休闲中转出行、晚归出行4种出行模式的时、空分布特征。基于可解释性机器学习模型，对各模式OD客流进行预测。结果表明XGBoost与CatBoost、LightGBM、OLS相比更具优势。根据OD起终点站域环境特征，考虑起终点缓冲区内各类兴趣点（point of interest,POI）数量、小区住户数、房价、人口数量、站点偏离距离以及出行距离等指标，构建OD强度关联指标体系，解释各指标对OD客流强度的正负反馈效应。SHAP归因分析说明，居民更倾向于14站以内的中短途出行，并分别得到了就业类POI数目对晨、早通勤客流正向影响，以及餐饮类POI数目对休闲中转出行客流正向影响的临界阈值。该方法可为轨道交通精细化出行引导和客流组织提供数据支撑，优化城市轨道交通供需平衡及服务水平。

关键词： 引力波   数据处理   噪声   人工智能  

摘要： 2015年LIGO首次探测到双黑洞并合事件GW150914,开辟了引力波天文学新纪元.地面激光干涉引力波探测器灵敏度极高,易受到来自仪器和环境的各种瞬态噪声(glitch)数据影响.尽管在引力波信号处理和分析中已经利用各种手段,开发出各种工具来加强瞬态噪声数据的表征和识别,以便最终移除,但LIGO源源不断输出的数据量足以使任何科研小组不堪重负.因此,开发强健的方法来表征和识别glitch,对于提高引力波信号探测的可靠性和科学价值具有至关重要的意义.本文首先回顾一般的地面噪声数据处理方法的优缺点,然后概述各种机器学习方法在地面噪声数据处理中的应用.最后,本文介绍机器学习在glitch数据处理实例——Gravity Spy项目上的最新应用,目的是介绍机器学习技术在glitch的识别、建模和去除方面的最新进展,以便为科研工作者在地面引力波瞬态噪声数据处理方面提供一些参考.

关键词： 人工智能   教育家精神   基础教育  

摘要： 人工智能技术的应用,在加快基础教育的数字化转型的同时,也带来人工智能的主体性攻占、师生关系紧张、知识权威丧失及教师被技术裹挟等问题。面对人工智能向基础教育发起的挑战,需要弘扬教育家精神,坚定国家情怀的职业信念,为处理主体性危机提供精神指引;遵循言行合一的职业道德,为改善师生紧张关系提供精神动力;明晰勤学求是的职业操守,为摆脱“失语”困境提供精神导航;探索文化自信的职业追求,为开拓国际视野提供精神向往。弘扬教育家精神,以坚定教师的教育信仰为前提;以抓牢教师的师德建设为根本;以树立教师的终身学习理念为核心;要以拓宽教师的文化视野为关键。

关键词： 教育强国战略   教师队伍建设   人工智能   大数据   教师专业发展  

摘要： 教育强国战略明确指出，要把加强教师队伍建设作为最重要的基础工作来抓。在教育强国建设和教育数字化进程背景下，文章综合分析了人工智能在教师队伍建设试点项目中的实践应用，并提出了两个人工智能赋能教师专业发展的模型：一是大数据技术驱动的区域教师队伍建设模型，旨在通过精确的数据分析，实现教师资源的优化配置和个性化发展路径的规划；二是人工智能赋能教师的教学实践与能力发展模型，该模型探讨了人工智能在教学设计、课堂互动、教研创新和教师自我提升等方面如何为教师提供智能化支持，以加速教学改革、教研创新和教师个人职业成长。最后，文章通过具体实践案例，展示了人工智能在促进教师专业发展方面的应用成效。研究结果不仅为人工智能助推教师队伍建设提供了实证基础，更为教育强国战略下的教师队伍建设提供了新的视角和策略。

关键词： AI共生   人机共生   AI世代   人工智能   行为特征  

摘要： 2010年起，人工智能（AI）的飞速发展和广泛应用，推动“AI世代”登场。本文聚焦AI世代，将“AI世代”界定为出生于2010年后、与AI共生并将AI融入其生活的一代人，深入探讨AI世代的特点与行为特征，并从经济、文化、社会角度剖析特征的伴生效应，提出人机关系与人类主体性等思考，以此为理解智能化社会的发展趋势、促进人机和谐共生提供参考。