关键词： 机器学习   随机森林   模型预测   溶解氧   Pearson相关  

摘要： 【目的】作为维系生命活动的核心要素,溶解氧直接影响着水环境的质量和稳定性,溶解氧的监测在生态保护中具有重要作用。【方法】研究根据上海市最大的天然淡水湖泊淀山湖2020年-2024年水质自动监测站的监测数据,根据溶解氧与其他监测指标间的Pearson相关系数大小,筛选出特征输入变量,构建了基于Pearson相关系数的随机森林模型,并用于淀山湖的溶解氧的预测。【结果】结果表明,根据目标变量与输入变量间的Pearson相关系数大小,可以有效解决输入变量数据列的不同导致的特征重要性评分的差异。比如将水温列从数据表的第一列改为最后一列,模型的特征重要行评分变化较大,水温的重要性评分从17.8%减小到5.4%,而水温是影响水体溶解氧的最重要因素之一,改变输入顺序后,水温重要性评分最低是不合理的。同时,根据Pearson相关系数可以为模型筛选出输入变量,达到减少监测项目降低模型训练成本的目的。筛选出水温、pH、总磷、电导率、氧化还原电位、总氮、叶绿素a以及浑浊度作为输入变量。经过测试集数据验证,研究中溶解氧预测模型的纳什系数、均方根误差、均方根与标准偏差之比、以及平均绝对误差分别为0.902、0.562、0.314、0.362。【结论】模型预测的溶解氧浓度与实测浓度重合度高,预测值与实测值的相关系数为0.951,表明模型的预测精度较高、性能优秀。

关键词： 信息资源管理   新质生产力   生态位   人工智能   资源整合   人才要素   创新思维   服务创新  

摘要： 自新质生产力的概念提出以来,受到众多学科领域广泛关注。当前,找准特定学科领域在新质生产力发展中的生态位至关重要,也即特定学科领域在新质生产力发展中处于什么位置、可以做些什么、发挥什么作用、达到什么效果。为此,邀请信息资源管理领域青年学者,就新质生产力发展中信息资源管理领域的生态位问题发表自己的看法,观点仅供参考。

关键词： 伏立康唑   机器学习   特征选择   清除  

摘要： 目的基于机器学习算法筛选与伏立康唑清除相关的重要影响因素。方法根据收集的接受伏立康唑治疗的老年患者临床数据集,应用过滤法、包装法和嵌入法3类方法中7种特征选择技术筛选与伏立康唑清除相关的重要影响因素,以机器学习算法中梯度下降回归(SGDR)、套索回归(LassoR)、岭回归(RidgeR)、随机森林回归(RFR)、极端梯度提升回归(XGBR)、支持向量回归(SVR)6种算法作为评价模型,使用5折交叉验证和平均绝对误差(MAE)比较模型的性能。使用SHAP值对影响因素重要性进行分析。结果特征选择可以显著改善SVR模型性能,因此选取SVR模型作为评价模型,对最终筛选的7个影响因素构建预测模型。优化超参数后模型精密度良好,平均相对误差32.57%,约57.89%的预测值相对误差在±20%范围内。SHAP结果显示影响因素重要性排序为丙氨酸氨基转移酶、碱性磷酸酶、血小板计数、给药方式、肌酐、总胆红素、降钙素原。结论使用机器学习特征选择技术可以应用于伏立康唑清除影响因素的筛选。

关键词： 编译原理   人工智能   产出导向教育   OBE-BOPPPS模式  

摘要： 针对编译原理课程的教学现状,分析现存问题及成因,提出以产出导向教育(OBE)及BOPPPS参与式学习相融合的内外双循环课程教学框架,阐述如何通过多模态大模型等技术定制智能化教学评价服务,实现技术、理念和课程深度融合的新型教学模式,最后通过教学实践和跟踪调查分析,说明该方法可以显著提升学生学习和解决问题能力,契合国家人才培养战略要求。

关键词： 大语言模型   情报分析师   情报分析流程   人工智能  

摘要： 以ChatGPT为代表的大语言模型技术爆发,刷新了人们对人工智能技术的认知,冲击和重构着诸多传统行业。本文聚焦大语言模型对情报分析工作的影响,对情报分析师培养和大模型构建这两个过程进行比较,分析情报分析师和大语言模型的异同之处。研究发现,大语言模型更像拟人化的情报分析工具,但情报分析师具有情感和感觉、有限理性、灵活性、辨别力等当前大语言模型无法替代的特征优势。同时,大语言模型应用于情报工作将引起情报分析流程的重构,重构后的流程仍然以情报分析师为主体,但大语言模型将不同程度地介入各个环节。

关键词： 人工智能   小学音乐   智能乐器  

摘要： 在信息化迅猛发展的背景下,人工智能技术已逐渐渗透至各个教育领域,为传统教学带来了深刻变革。小学音乐教育作为素质教育的重要组成部分,不仅肩负着培养学生艺术素养的职责,还需满足新课程标准中对创造力和审美体验的要求。然而,由于音乐教育资源的不均衡,以及教师在课堂中面临的多重压力,急需新技术的支持。本文主要探索人工智能赋能小学音乐教学的策略,为提升学生的音乐素养和创新能力提供可行方案。

关键词： 冠心病   腔内影像学   血管内超声   光学相干断层成像   人工智能   多模式融合  

摘要： 冠状动脉腔内影像学技术是冠心病介入治疗领域的重要突破,其通过高分辨率成像手段实现了对冠状动脉管腔及斑块形态的精准评估,显著提升了冠心病介入治疗的成功率与安全性[1]。近年来,随着多模态融合、人工智能(artificial intelligence,AI)等技术的引入,腔内影像学在冠心病诊疗中的应用边界不断拓展,临床价值日益凸显。《中国心血管杂志》2025年推出“冠状动脉腔内影像学和功能学”系列专题,陆续刊发临床研究与综述论文。本文借此契机,从临床应用、技术发展等方面,对腔内影像学进展予以评述,以期为其临床应用与研究提供参考。

关键词： CatBoost   Sentinel-5P TROPOMI   SO_(2)浓度   山东省   机器学习   时空分布  

摘要： 连续的SO_(2)污染物时空分布情况对于监测和综合治理大气SO_(2)污染、提高环境空气质量具有重要意义,使用Sentinel-5P TROPOMI提供的近实时SO_(2)垂直柱浓度数据、ERA5气象再分析资料和DEM数据,基于梯度提升机器学习模型(CatBoost)对山东省2019年SO_(2)污染物时空变化进行分析。结果表明:①CatBoost模型拟合的SO_(2)浓度的各项评价指标均为最佳,拟合精度指标MAE(平均绝对误差)、RMSE(均方根误差)和R 2(决定系数)分别为2.72μg/m^(3)、4.23μg/m^(3)和0.809,十折交叉验证精度指标MAE、RMSE和R 2分别为2.66μg/m^(3)、4.29μg/m^(3)和0.814,同时CatBoost模型在不同时间尺度和年份上也具有良好的稳定性。②2019年1−12月山东省SO_(2)浓度呈现“高、低、高”的“U”型分布特点,1月SO_(2)浓度(25.5μg/m^(3))最高,8月(8.4μg/m^(3))最低。各季节SO_(2)浓度存在明显差异,表现为夏季(8.74μg/m^(3))<秋季(12.37μg/m^(3))<春季(14.12μg/m^(3))<冬季(20.18μg/m^(3)),呈冬春高、夏秋低的特征,且SO_(2)浓度年均值为13.36μg/m^(3)。③2019年山东省年均SO_(2)浓度总体呈现中部地区高、东部沿海城市低的空间分布特征,高值区多位于工企业集中地区,低值区主要分布在工业数量少、地势平缓的沿海一带。研究显示,CatBoost模型具备良好的稳定性和泛化能力,能够揭示山东省2019年SO_(2)浓度时空间分布特征与污染演化趋势之间的关系,可为山东省SO_(2)污染治理提供有效的方法和数据。

关键词： 机电一体化技术   智能制造   融合   应用  

摘要： 随着信息技术的飞速发展,智能制造已成为全球制造业转型升级的核心驱动力,引领着工业4.0时代的到来。机电一体化技术通过集成机械、电子、信息与控制等多学科优势,实现了生产设备的高效协同与智能决策,为智能制造提供了坚实的技术支撑。本文深入分析了智能制造领域的发展趋势,包括工业互联网、人工智能、大数据等新兴技术的应用,并探讨了机电一体化技术与智能制造深度融合所带来的深远影响,如生产效率的提升、资源利用的优化以及产品创新能力的增强。基于此,本文进一步提出了将机电一体化技术应用于智能制造领域的策略,包括加强技术研发、推动标准体系建设、优化人才培养模式以及促进产业链协同创新,旨在为制造业的智能化转型提供理论依据与实践指导,助力企业在全球竞争中占据先机。

关键词： 智能制造   现状   成效   典型案例  

摘要： 鉴于全球制造业竞争日益激烈以及我国人口红利逐渐降低,我国制造业正面临转型升级的紧迫形势。近年来,我国智能制造在顶层设计、装备供给、工业互联网、标准化建设及模式推广等方面取得了显著成效。本文列举了典型案例,三一重工、中车集团和中国航天通过数字化协同研发、全生命周期管理及智能化制造,显著缩短研发周期并提升产品质量。然而,我国仍然面临着核心零部件依赖进口、工业软件自主化不足等困境,未来需聚焦增材制造、人工智能等技术,推动智能制造向全生命周期延伸,强化产业链自主可控能力,助力我国从制造大国向制造强国转型。