关键词： RAG   档案检索   档案利用   大模型   人工智能  

摘要： 随着档案数字资源数量的快速增长，传统的档案检索方法面临诸多挑战。本文聚焦增强检索生成（RAG）技术在档案智能检索中的应用，分析了档案检索存在的现状与不足，介绍了RAG技术的原理及优势，提出了RAG技术驱动的档案智能检索技术方案，解决了传统档案检索业务面临的若干问题，为未来档案智能检索系统的发展提供新的思路和方向。研究发现，RAG技术通过结合档案数字资源向量库与大模型，能够显著提高档案数字资源检索的效率、查全率和用户体验，有效解决传统档案检索业务存在的“知识不全”“新人不熟”“语言不通”等问题。这种档案检索模式以语义级别的深度理解能力、自然语言的直观表达能力、档案知识的主动服务能力、跨语言的统一检索能力，充分体现了RAG技术驱动的档案检索的智能性，为档案数字资源开发利用奠定坚实的技术基础。

关键词： 人工智能   房屋   建筑检测   实时监控   故障诊断  

摘要： 在现有检测方法中,人工检测耗时耗力、效率较低且准确率不高,而人工智能技术具有独特优势,其能有效提高检测效率与精确度。本文针对目前房屋建筑检测中存在的问题进行分析,提出将人工智能技术应用于房屋建筑检测中的具体策略,通过利用计算机视觉技术实现全自动识别和定位缺陷,在此基础上实现深度学习算法实现图像分类、模式识别等功能;采用人工智能云平台,提供远程数据处理、传输等服务;建设智能建筑检测网络信息系统,为设备的实时监控、故障诊断提供技术支撑。希望本研究能够促进人工智能技术在建筑检测中的广泛应用,推动建筑行业的可持续发展。

关键词： 近红外光谱   化学计量学   机器学习   深度学习   数据融合  

摘要： 近红外光谱作为一项重要的现代分析技术，经过近三十年的系统发展，在我国实现了从初步探索到体系化研究、从技术引进到自主创新的显著转变，取得了诸多具有代表性的成果。该技术在提升工业生产效率、保障产品质量、推动制造业智能化转型等方面展现出重要的战略价值。该文系统回顾了我国近三十年来在近红外光谱技术的基础研究、仪器研制、化学计量学方法创新以及多领域应用拓展等方面取得的主要进展，深入评述了当前的发展现状，并提出了未来关键技术的发展方向与研究重点。展望未来，应进一步加大科技投入，强化跨学科协同与高层次人才培养，推动产学研深度融合，持续拓展近红外光谱技术的应用广度与深度，促进其高质量发展，更好地服务于我国经济社会的发展需求。

关键词： 生态产业   流动性   开源社区   人工智能   程序和算法  

摘要： 随着数字经济发展、移动互联网的爆发和云商业模式的兴起,生态型产业在资本市场上展现出显著的活力.本文探讨生态产业的“流动性”要素,分析了其在打造生态产业中的价值与作用,并提出了以开源社区和开源人才为核心构建生态产业集群的建议.文章最后结合国内主流开源生态建设的生态产业发展案例,提出了具体策略和改进建议.

关键词： 机器学习   单一飞行员驾驶   脑力负荷   多飞行任务   可解释性  

摘要： 精准评估脑力负荷对于提升大型商用飞机单一飞行员驾驶（SPO）模式的安全运行能力与人机协同效率具有重要意义。为探究SPO模式下多类型飞行干扰事件对飞行员脑力负荷的影响，本文构建了面向单一飞行员脑力负荷分类的可解释机器学习框架。首先，采用LGBM方法构建单一飞行员脑力负荷分类模型，并与XGBoost、CNN、BiLSTM、SVM等算法进行对比。然后，针对脑电数据高维特征空间及机器学习模型过拟合风险，提出一种改进特征递归消除交叉验证（RFECV）方法进行脑电数据特征优化。最后，结合Shapley加性解释（SHAP）方法对机器学习负荷分类模型进行全局与局部解释，从特征贡献方向与重要程度两个维度揭示了不同脑区及脑电波形对单一飞行员脑力负荷分类的影响机制。实验结果表明，LGBM和SVM经过特征选择后均表现出优异的脑力负荷分类性能，准确率、精确率和召回率均超过85%；面向脑力负荷分类模型的SHAP分析则进一步得到了局域精度高、保真度高和一致性强的归因解释信息，明确了P7区β波和AF4、FC5区的γ波等特征对单一飞行员脑力负荷分类决策起到的显著影响，验证了本文所提框架的有效性和可解释性。

关键词： 非常规油气储层   人工智能   岩相预测   储层参数预测   甜点评价  

摘要： 随着油气勘探技术的不断进步，非常规油气储层已成为增储上产的重要领域。然而，非常规油气储层由于其低渗透性、岩石致密性和非均质性，难以通过传统方法构建准确的理论模型和经验公式，形成准确的测井解释，指导储层的识别和挖掘。近年来，人工智能的快速发展为非常规储层的测井解释提供了新的解决思路。本文通过国内外文献调研首先分析了非常规储层的主要地质特征及评价难点，然后梳理了机器学习、深度学习等技术在岩性识别、物性参数预测、“甜点”预测等测井解释环节的应用情况。已有研究显示，卷积神经网络能更好处理多尺度测井数据，循环神经网络适用于时间序列测量分析，集成学习方法在复杂参数条件下可提升预测精度。实际案例显示，AI方法相比传统技术有明显改进：岩相分类准确率提高25%～40%，孔隙度估算误差降低15%～30%。深度学习模型还能有效挖掘测井数据与储层参数间的复杂关系，改善低信噪比条件下的解释效果。评估发现，现有数据驱动模型在物理规律匹配性和小样本适应性方面仍有不足，特别是在处理非均质地层时。针对这些问题，建议3个改进方向：（1）构建融合物理约束与数据驱动的混合建模框架；（2）开发面向小样本学习的迁移学习方法；（3）建立集成测井、岩心与地震数据的多模态融合体系。同时建议完善特征工程标准化流程，强化模型验证与不确定性量化机制，并关注图神经网络、物理信息神经网络等新兴技术的应用潜力。本研究通过分析人工智能技术在非常规储层测井解释中的适用性，为其方法选择和技术优化提供了实践参考。

关键词： 土壤水分   适用性评估   机器学习   农业干旱   干旱监测  

摘要： 农业干旱作为直接影响作物生长的关键因素，其监测与评估依赖于精准的土壤水分数据。针对现有土壤水分产品在空间分辨率和估算精度方面的局限，本文以淮北平原为研究区，基于2015-2019年49个实测站点的逐日观测数据，采用原位验证与三重搭配分析（TCA）方法，对ERA5-Land、GLDAS＿NOAH、MERRA-2和CLDAS四种主流再分析产品进行了系统评估。结果表明，CLDAS在四种产品中与实测数据的吻合度最高，相关系数R为0.75，ubRMSE最小，为0.032。基于此，融合再分析产品与实测数据，构建了基于随机森林与卷积神经网络融合模型（CNN-RF）的高精度土壤水分数据集（MSF-SSM）。该数据集在大多数站点表现出较高的一致性（R>0.7）和较小的Bias（±0.02），显著优于现有土壤水分产品。基于MSF-SSM进一步构建了标准化土壤湿度指数（SSMI＿1），揭示了2015-2019年间淮北平原农业干旱的时空演变特征及等级频率分布。研究发现，该区域大部分地区的SSMI＿1呈下降趋势，土壤水分有所减少，干旱风险增大。淮北平原轻旱频发，重旱集中在中部地区，淮北平原东北部区域累计干旱发生频率较高，具有较高的干旱易发性。。研究结果为农业干旱监测、气象服务与灾害风险管理提供了重要的数据支撑与技术参考，并为节水灌溉等水资源管理措施的优化提供了科学依据。

关键词： 珠江口盆地   文昌组   成岩相   图像处理   机器学习   测井  

摘要： 砂岩成岩相特征复杂、类型多样，以珠江口盆地陆丰凹陷始新统砂岩为研究对象，建立一套准确的砂岩成岩相分类与识别方法具有重要意义。为精确划分成岩相，采用成岩作用参数与图像处理技术，通过铸体薄片各组分含量来表征压实、胶结、溶蚀成岩作用强度差异，进而根据成岩作用强度将成岩相划分为Ⅰ类、Ⅱ类、Ⅲ类。随后，将自然伽马、声波时差、补偿中子、补偿密度和电阻率等测井曲线数据与Ⅰ类、Ⅱ类、Ⅲ类成岩相特征建立多层感知器神经网络模型，并通过控制变量优化模型参数，最终实现成岩相的划分和测井识别。通过与实际薄片成岩相对比，多层感知器模型识别的准确率达到82.11%，将模型应用于LF13-9-1井成岩相进行识别，总样本数有23个，识别的准确率达到82.61%，说明该模型具有良好的识别效果。基于图像处理技术与多层感知器的砂岩成岩相分类与识别方法的建立可为砂岩成岩相识别提供参考。

关键词： 新医科   人工智能   中药学  

摘要： “新医科”是教育部为适应新一轮科技革命与产业变革需求而提出的医学教育改革方向，近年来取得了大量实绩。“新医科”强调深度融合人工智能（artificial intelligence，AI）、大数据等新技术。AI的发展为高等教育带来新的机遇，同时也带来了新的挑战。从“新医科”教育的需求出发，阐述AI赋能中药学课程教学改革中面临的机遇和挑战，总结AI在中药学课程教学中的潜在应用和实践，提出加强基础设施建设、师生AI相关培训、整合学科资源等策略，可为中药学专业高素质创新人才的培养提供支持。

关键词： 人工智能   通用目的技术   信息安全   以人为本   伦理治理  

摘要： 通用人工智能逐渐发展成熟,将成为各行各业众多数字应用的研发基础,全人类都将处于通用人工智能构建的知识话语体系下。但通用人工智能自身存在的技术局限或在资本的恶意操纵下可能生成泛滥的虚假信息影响互联网生态、固化用户获取信息的途径和知识结构、做出不公正的人工智能决策等,引发严重的信息内容风险。对此,应当在技术发展中嵌入以人为本的伦理治理理念,健全技术全过程的伦理审查机制和基于治理理念共识的国际协调机制,并加强训练数据内容生态建设的规范化、明确面向对象的大模型解释标准和打破社会少数群体对技术的垄断。