关键词： 水体浊度   机器学习   遥感反演   时空变化   Landsat影像数据  

摘要： 内陆湖库水体是重要的水资源,利用遥感技术监测水体浊度能够快速掌握大范围的水质和水环境状况。该文以Landsat遥感影像为主要数据源,以2017—2020年在吉林省采集的180个水体样本的浊度数据为研究对象,以光谱波段为基础特征变量,基于数学运算构建多种波段组合特征,提取并选择最优特征变量作为模型输入,构建极限梯度提升(XGBoost)和随机森林(RF)机器学习模型对浊度值进行估测,通过对比分析预测结果,选择最优模型对吉林省典型湖库水体浊度进行反演。研究结果表明,以蓝、绿、红波段计算得到的波段差值组合和比值组合作为最优特征变量,XGBoost的预测精度最高,决定系数R2和均方根误差RMSE分别为0.84和0.54 NTU。利用XGBoost模型反演吉林省典型湖库1985—2020年间每5年的水体浊度,分析其时空反演变化,为吉林省水环境治理与保护提供科学的技术支撑和决策支持。

关键词： SSA-XGBoost   蒙特卡罗模拟   机器学习   密度预测  

摘要： 复杂岩性井段对密度测井数据精度要求很高,传统的计算模型难以满足此类高精度要求,为此提出利用机器学习密度预测模型提高密度测井曲线的精度。首先,使用蒙特卡罗模拟双探测器密度测井仪器,获取不同地层的密度测井数据用以训练和测试机器学习模型。考虑到密度预测模型的过拟合问题和不同模型的密度补偿性能,基于麻雀搜索算法(Sparrow SearchAlgorithm,SSA)分别改进XGBoost、支持向量回归(Support Vector Regression,SVR)、随机森林回归(Random Forest Regression,RFR)和长短记忆网络(Long Short-Term Memory,LSTM)等模型,进而提出了SSA-XGBoost、SSA-SVR、SSA-RFR和SSA-LSTM密度预测模型。然后,使用量化评价指标和泰勒图模型对比分析各个模型的预测性能,分析了不同预测模型对实际密度测井数据的预测效果。结果表明:SSA-XGBoost模型的预测精度高于传统脊-肋图模型和其他机器学习模型,其预测地层密度的误差为0.0174 g∙cm^(-3),远低于传统脊-肋图法的0.0284 g∙cm^(-3),因此在实际密度测井数据处理中具有广阔的应用前景。

关键词： 敏捷治理   人工智能   赋能   社区风险  

摘要： 推进敏捷治理实践是对社会现实关切的回应,可有效弥合治理需求和治理能力之间的张力,已成为现代治理的时代表达。人工智能技术以其卓越的环境感知能力和应急决策能力,可赋能社区敏捷治理。为突破传统治理的桎梏,需要探究智能要素应用于社区敏捷治理实践的逻辑理路,剖析算法、算力和算料与社区敏捷治理耦合的内在机理,建构智能技术驱动的敏捷治理框架,并从底座完善、架构优化、模式转变和质效提升等维度制定策略,实现社区治理的范式革新。

关键词： 智能网联汽车   无人驾驶汽车   城市客运   自动驾驶技术   示范应用   人工智能   快速迭代   开放测试  

摘要： 随着人工智能、自动驾驶技术快速迭代,无人驾驶汽车将是汽车领域的新蓝海,智能网联汽车从科研测试到示范应用,最终实现商业化运用的需求日益迫切。目前,我国共有17个国家级智能网联汽车测试示范区,累计开放测试道路3.2万公里,其中,开展城市客运自动驾驶示范应用的城市超过30个,相关企业超过80家。

关键词： 人工智能   园林景观设计   深度学习   自动化设计   创新设计  

摘要： 当前,人工智能技术在众多领域应用广泛,而在园林景观设计领域的应用也越来越受到人们的关注。针对这一现象,本研究通过实践探索了人工智能技术在园林景观设计中的应用可能性与面临的挑战。首先,采用深度学习算法,通过大量景观设计案例的学习,实现了对景观规划布局的智能生成与调整,能够大幅提高设计效率和创新性,同时也能满足不同人群的个性化需求。其次,利用自然语言处理,实现了对设计需求、景观元素和环境特性的智能识别与整合设计,满足多样化、复杂的设计要求。然而,人工智能的自动化设计也带来了一些挑战,包括人工智能创意形象的模糊性和个性化设计的深度把控问题等,对设计的主观性与独特性产生了影响。通过对实践结果的深度反思,发现人工智能在园林景观设计的应用需要在满足高效性与个性化的同时,兼顾人类设计师的感知、思考以及创新设计。这为未来人工智能与园林景观设计相结合的研究赋予了新的视角和方向,有利于推动园林景观设计领域的信息化和智能化发展。

关键词： 人工智能   教学动画设计   教育创新   个性化教学   伦理挑战  

摘要： 人工智能技术通过提升动画制作效率、实现个性化教学内容和增强互动性,显著提高了教学动画的教育效果。尽管面临技术、教育和伦理挑战,但随着人工智能技术的持续发展,这些挑战有望得到解决。教育工作者应积极探索人工智能工具在教学实践中的应用,以优化教学效果。政策和产业环境的支持将进一步推动人工智能工具在教育领域的广泛应用。

关键词： 人工智能   算法审计   算法治理   算法问责   算法审计伦理  

摘要： 近年来,人工智能算法在推动数字经济发展的同时引发了诸多社会问题。算法审计作为一种新型审计范式,对于规制算法风险、监管算法应用、促进算法治理起到了重要作用。目前我国算法审计规制体系缺乏科学标准的流程规范和具体可行的运行机制,我国亟须一套相对成熟的算法审计机制以对算法审计实践进行指导。文章首先分析了人工智能时代算法审计的研究态势;其次,基于算法主体、算法数据、算法程序、算法后果四个方面构建人工智能时代算法审计的运行框架;再次,从审计规范与制度、审计人才团队、算法审计原则等视角探索开展算法审计活动的实践策略。有关思路和结论旨在推动算法审计实践的有效开展,且为算法审计的理论研究提供参考和借鉴。

关键词： 人工智能   伦理   治理   内在主义   知识表示   偏见冲突  

摘要： 全球人工智能技术的发展呈现出寡头垄断与层级分化的格局。开发者的地域、文化、教育背景差异,以及训练数据的社会、文化、政治属性差异,正在加剧知识垄断和伦理垄断,放大文化偏见和价值观冲突。人工智能偏见和冲突的治理需要以大科学的研究理念,生成伦理与技术的同步链接,以确保技术与伦理的协同发展。伦理治理的内在主义进路具有哲学和技术两方面的学理基础:将伦理准则作为人工智能的逻辑起点而非评价标准,创造具有道德能动性的人工智能,是防范、化解偏见和冲突的有效策略;预训练-微调的技术范式和微调数据集是内在主义进路的技术基础。以本体表示法作为结构化伦理知识表达和语义推理的基础,设计再微调的技术路线和伦理数据集对大模型进行伦理智能优化,为建构人工智能的道德能动性提供了方法论和路线图。以中国伦理为例的本体知识表示,论证了人工智能偏见与冲突治理的内在主义进路何以可能。

关键词： 人工智能   高职院校   图书馆   信息伦理  

摘要： 人工智能时代初期,法律法规建设不全面,引发了许多信息伦理问题。本文分析了高职院校图书馆信息伦理问题的现状,并在分析有关学者对引发伦理的现象、机理和治理措施的思考的基础上,探索高职院校图书馆未来建设过程中的信息伦理问题治理体系建设的方法和途径。文中从学校制度顶层设计、图书馆信息伦理问题治理体系建设以及学生信息伦理意识培养等方面提出了当前信息伦理问题治理体系的建设途径。

关键词： 人工智能   机电工程   电气故障诊断   智慧维修   设备健康管理  

摘要： 智能制造时代,机电工程电气系统复杂化趋势带来故障诊断与维修的新挑战。本文探索人工智能技术在电气故障智能诊断与维修中的创新应用。提出了多源异构数据感知与融合方法,研究了面向复杂工况的深度迁移学习诊断模型、融合知识图谱与因果推理的故障定位方法和自学习剩余寿命预测技术。构建了基于区块链的分布式健康状态共享机制、AR交互式远程维修平台和人机协同增强智能决策系统。旨在推动电气故障诊断维修向智能化、高效化、精准化发展,赋能设备全生命周期健康管理。