关键词： 微生物残体碳(MNC)   MNC贡献率   MNC碳储量   Meta分析   机器学习   驱动因素  

摘要： 微生物残体碳（MNC）是土壤有机碳（SOC）的重要组成部分，在形成稳定性SOC和碳循环过程中起着至关重要的作用.然而，由于缺乏全球尺度的观测数据，MNC对SOC的贡献率和储量在全球的分布规律尚不清楚.基于Meta分析和机器学习技术相结合的方法，探讨MNC的贡献率和储量在全球范围内的空间分布特征与其驱动因素，并对比不同生态系统和不同土层中的差异.结果表明，MNC对SOC的贡献率和储量在全球总体呈现深层区（1～3m）高于浅层区（0～1m）的特征.具体而言，浅层区MNC的平均贡献率为47%，深层区为60%；浅层区MNC的平均储量为4.6 kg·m-2，深层区为5.2 kg·***浅层区和深层区的总储量分别为792 Pg和859 Pg.与此同时，由于南北半球陆地面积差异，北半球MNC储量高于南半球.此外，SOC和pH是MNC的贡献率的关键驱动因素，TN是MNC储量的关键驱动因素，MNC浓度对MNC的贡献率和储量都有直接且显著的影响.MNC对SOC的贡献率和储量在全球尺度不同生态系统和不同土层中均出现空间异质性，且它们的驱动因素也不同，这可以为研究SOC循环和减缓气候变暖问题提供理论依据.

关键词： 电气交通融合与协同   电动汽车   电动营运车队   智能决策   隐私计算   人工智能  

摘要： 随着道路交通电动化的推进，电动车辆的无序出行与充电行为为城市电力-交通耦合系统的安全高效运行带来巨大挑战。如何挖掘电动车辆时空灵活性调节潜力，实现城市电力-交通耦合系统的联合推演与协同优化，是保障耦合系统安全经济运行的关键抓手。本文首先梳理了电力-交通耦合系统联合推演与协同优化的研究方向与主要矛盾；其次分别从分析建模、感知预测与协同优化三个方面，系统性地介绍了电力-交通耦合系统联合推演与协同优化问题的研究现状；再次，提炼了贯穿电力-交通耦合系统联合推演与协同优化各个环节的四重研究挑战；最后，立足耦合系统与跨学科融合视角，从机理分析、感知预测、策略优化、性能提升四个方面对耦合系统的未来研究机遇进行了展望。

关键词： 直升机   飞行安全   高压线   机器学习   卫星影像  

摘要： 直升机执行近地飞行任务时，时常发生撞击高压线事故。直升机近地告警系统(Helicopter Terrain Awareness and Warning System， HTAWS)是直升机近地防撞的重要手段，但是由于高压线数据库的缺失，导致其难以有效保障直升机飞行安全。针对此问题，提出了一种基于机器学习，利用卫星影像创建高压线数据库的方法。针对YOLOv5(you only look once v5，YOLOv5)对卫星影像中小目标检测不敏感、漏检率较高的问题，设计了一种改进YOLOv5目标检测算法，用于识别卫星影像中的高压线塔，采用开源栅格空间数据转换库(Geospatial Data Abstraction Library， GDAL)模块计算得到高压线塔的经纬度。提出了一种基于高压线塔阴影获取塔高的方法。基于图神经网络与高压线塔的群组特征，研究了高压线塔连线预测。仿真结果表明，高压线塔的经纬度识别准确，塔高准确率为94.5%，高压线塔连线预测的MCC值为0.48，所建立的高压线数据库满足直升机高压线防撞告警需求。

关键词： 人工智能   大语言模型   个性化学习   AI教材  

摘要： 为适应高等教育数字化转型的新战略，将人工智能(artificial intelligence,AI)教材《医学生物化学》融入教学实践具有重要意义。作者通过分析学生AI教材使用数据等量性资料和AI教材使用情况调查问卷等质性资料，探究AI教材《医学生物化学》在教学辅助诊断、学生个性化学习以及学生与AI交互训练等方面发挥的作用。研究表明，AI教材可以促进教师明确教学重难点、了解学生学习风格和效能，同时锻炼学生对AI的应用能力。为了使AI教材更好地发挥教学辅助作用，应注意以下几个方面：(1)创设问答场景，培养学生向AI教材高效提问的能力；(2)正确看待AI给出的答案，提升学生使用AI教材时的批判性思维；(3)增加教学辅助诊断节点，实现基于AI教材的实时教学反馈。

关键词： 机器学习   模型融合   净初级生产力(NPP)   共享社会经济路径   产粮大省  

摘要： 净初级生产力（NPP）是衡量生态系统健康的重要指标，直接影响全球碳循环和气候调节。在全球气候变化背景下，粮食主产区净初级生产力的时空变化及驱动因子的研究较少，故选择粮食产量大省河南省和黑龙江省为研究区，探究两省2001～2020年NPP时空变化和驱动因子的差异性，采用多种机器学习算法估算NPP并模拟共享社会经济路径（SSPs）未来气候情景下两省NPP的演变趋势。结果表明：①相比于单一算法，将AdaBoost和XGBoost算法的预测结果加权融合可以更准确地估算两省NPP。②2001—2020年河南省NPP呈增加趋势，空间上西部和南部高，北部低；该时间段内黑龙江省NPP也呈增加趋势，高值区出现在北部、中部和南部的林区，低值区出现在西部城镇化率高的地区。③河南省NPP变化最重要的气候驱动因子是降水，且较低的温度和较弱的潜在蒸散发的交互作用能增强降水对NPP的正向作用；黑龙江省NPP变化最重要的驱动因子是潜在蒸散发，较弱的潜在蒸散发和较低的年平均温度有助于黑龙江省NPP的增加。④SSP245和SSP585情景下两省NPP均呈减少态势，且SSP585情景下两省NPP减少的幅度更大，与温度的持续升高显著相关，未来应采取人为手段积极应对NPP减少带来的负面影响。

关键词： 人工智能   师范生   教学模拟平台  

摘要： 基于人工智能技术的师范生教学模拟平台,是提升师范生教学实践能力与综合素质、推动师范教育模式创新的有效途径。从用户、功能和性能三个维度剖析教学模拟平台需求,设计一个包含用户层、应用层、服务层、数据层、基础层五个层级的平台架构,可以为师范生提供一个集个性化学习、情境模拟、智能反馈于一体的教学模拟环境,为未来教育技术在师范类高校中的应用与发展提供有益参考。

关键词： OPC UA   喷印机   监控系统   智能制造  

摘要： 针对轧钢喷印行业在数字化和智能化转型中面临的数据集成和实时监控问题，提出并实现了一种基于OPC UA的轧钢喷印机监控系统。该系统采用分层架构设计，包括设备层、控制层和服务层。利用OPC UA的互操作性和可扩展性，采用C++的面向对象编程和模板技术构建了统一的信息模型和通信接口。通过在实际工业生产环境下的连续运行测试，验证了系统的稳定性和可靠性，为钢铁行业设备监控提供了有效技术解决方案。

关键词： 服装行业   人工智能   SWOT分析   转型升级  

摘要： 随着人工智能技术的不断发展,服装行业面临着新的机遇和挑战。如何应对人工智能的快速发展,高效提升产品创意、生产效率和产品质量,打造个性化营销,促进服装企业转型升级是当前服装行业需要面临的重要问题。通过调研分析人工智能在服装设计、生产、销售等环节中的应用产业现状,并运用SWOT分析法探讨人工智能对服装行业产生的影响和应对策略,旨在推动人工智能技术与服装产业深度融合并协同发展,培养能够适应人工智能生产的服装专业创新人才。

关键词： 类腐殖质   氧化潜势   源解析   机器学习   小样本学习.  

摘要： 水溶性类腐殖质（water-soluble humic-like substances，HULISWS）是大气颗粒物中一类危害人体健康的有机物. 氧化潜势（oxygen potential，OP）可以用于衡量颗粒物对细胞内分子的氧化能力，精确解析HULISWS的OP来源可以助力有害污染物的精准减排工作. 本文于2016年秋、冬季节在东北平原逐日采集了大气细颗粒物（PM2.5）样品，并使用正定矩阵因子分解（positive-definite matrix factorization，PMF）模型量化了PM2.5中HULISWS来源的变化特征. 尽管此前很多研究解析了HULISWS中OP的潜在来源，但传统源解析方法难以准确拟合OP与物质来源关系，导致其解析结果存在较大不确定性. 随机森林（random forest，RF）是一种可以拟合非线性关系的机器学习算法，可以对OP来源进行解析. 然而，RF算法在较小样本训练下通常会增加泛化误差，导致模型不确定性较大. 针对这些问题，本文提出并验证了一种通过强化RF模型对特征变量的识别来提升其泛化能力的小样本学习（few-shot learning，FSL）方法[FSL-RF]. 通过FSL-RF拟合HULISWS的OP与PMF源解析结果来建立来源与OP的关系，并使用置换变量重要性量化了各来源对OP的贡献. 结果表明，生物质燃烧贡献了HULISWS浓度和HULISWS中OP的72%和63%. 此外，烹饪排放贡献了4%的HULISWS浓度，对HULISWS中OP的贡献为19%. 目前，尽管生物质燃烧仍然是东北地区大气HULISWS对人体造成细胞损伤的主要方式，但对烹饪排放的减排对人体细胞损伤的控制更加有效.

关键词： 人工智能   大模型   档案学基础理论   档案工作  

摘要： [目的/意义]人工智能大模型对档案学基础理论带来挑战和变革，亟需探讨其如何推动档案学基础理论的创新与发展。[研究设计/方法]通过对比传统时代和人工智能时代档案学基础理论的内容要点，阐述档案学基础理论对大模型挑战的回应，进一步解释“大模型如何影响档案学基础理论？而档案学基础理论又应当如何回应大模型发起的挑战？”[结论/发现]大模型对档案学基础理论提出了来源原则概念狭窄，文件生命周期延伸、档案价值转化，档案鉴定理论缺失可信性、销而不毁，档案记忆观的建构主体危机等挑战。为回应这些挑战，档案学基础理论需进行自我调适和创新：新来源观概念与背景的再发现，强调文件生命周期的动态连续性，关注档案鉴定理论的可信度检测与被遗忘权，规范算法权力和掌握记忆话语权。[创新/价值]从理论层面重新审视大模型对档案学基础理论的挑战，以及档案学基础理论应如何进行自我修正以做出恰当回应，切实为人工智能时代档案工作提供理论指导。