关键词： 输电线路   故障辨识   多源数据融合   人工智能   模型融合  

摘要： 输电线路是电力系统稳定运行的关键元素，当输电线路发生故障时，如何快速而准确地识别故障原因对电力系统安全稳定运行具有重要意义。针对现有输电线路故障原因辨识方案存在准确度低等问题，提出一种多源数据融合的输电线路故障原因辨识方法。首先，刻画输电线路不同故障类型的外界干扰因素和数据波形特征，为多源数据输入提供理论支持；其次，利用格拉姆角场及特征编码对故障信息进行预处理，从时序波形、二维图像和离散特征角度构造不同故障类型的特征表达方式；然后，设计了一种自适应边界参数融合长短时记忆神经网络、卷积神经网络和人工神经网络对输电线路故障原因进行辨识分类；最后，通过真实数据对比测试验证了所提方法的有效性和先进性，为完成高精度的输电线路故障原因辨识任务提供可靠解决方案。

关键词： 利奈唑胺   血小板减少   机器学习   决策树   随机森林  

摘要： 目的 构建机器学习模型预测利奈唑胺相关血小板减少（LIT）。方法 回顾性纳入某三甲医院2020年1月至2024年3月接受利奈唑胺治疗的198例患者。首先将患者分为LIT组和非LIT组，比较两组患者基本特征。然后选择在两组间存在显著差异的变量作为潜在危险因素构建LIT预测模型，包括Logistic回归、决策树以及决策树，并对模型的预测性能进行评估和比较。结果 共有52例（26.3%）发生LIT，单因素分析结果显示在发生和未发生LIT的患者中利奈唑胺谷浓度(Troughconcentration， Cmin)、患者基线血小板计数和肌酐清除率以及脑血管疾病、急性呼吸窘迫综合征和腹腔感染的发生率存在显著差异。在基于这些变量构建的三个LIT预测模型中，随机森林模型具有最高的预测准确性。最后基于随机森林模型进行变量重要性分析，结果显示Cmin、基线血小板计数和合并急性呼吸窘迫综合征对模型结果输出的贡献较大。结论 随机森林模型能准确预测LIT的发生。利奈唑胺暴露水平较高和基线血小板较低的患者LIT的风险更高。

关键词： 可拓学   潜部特征元   特征元   基元理论   人工智能   自然语言处理   大语言模型   可拓智能  

摘要： 潜部特征元构建是可拓学基元理论的重要研究内容，潜在信息挖掘对解决问题和激发创新思维至关重要。为了解决目前人工识别基元潜部特征元效率低、覆盖面窄和数量不足的问题，研究基元潜部特征元显化理论与人工智能算法实现的结合点，提出挖掘基元潜部特征元的流程化、系统性方法，使用爬虫技术收集目标基元对象的相关信息，清洗噪音数据并从句子中挖掘构成特征元的名称和描述，用概率统计的定量方法筛选潜部特征元并通过Python代码实现智能挖掘功能，最后通过案例对比分析进行论证。研究结果能有效提高基元潜部特征元的识别效率和智能化水平，对从复杂多变的语料句法中进行语义概括也有一定的参考作用，为进一步提高特征名称及其量值智能提取的精确性积累训练集，促进可拓展型人工智能理论的发展。

关键词： 人工智能   新质生产力   试点政策   多时点双重差分模型  

摘要： 选取2012～2022年中国30个省份面板数据，采用多时点双重差分模型，基于人工智能创新发展试验区政策效应视角，实证检验了人工智能对新质生产力的影响及其作用机制。研究发现：试点政策显著提升了新质生产力，且随时间推移，影响程度逐步扩大。其中人才集聚、产业结构等的中介效应也相当明显。这一结论在平行趋势检验、安慰剂检验、更换变量和内生性处理等系列稳健性检验后依然成立。但试点政策效应存在较大的区域差异，人工智能发展条件较好的东部地区效应最大，对人工智能与信息化技术依赖程度高的西部地区次之，而中部及东北地区的政策效应并不明显，且开放程度和市场化程度高的地区明显高于其它地区。因而提出了适度扩大政策试点范围、畅通人才流通渠道、加快产业智能化转型和实施区域差异化策略等政策建议。

关键词： 模糊集合   隶属函数   样本分布   语义信息测度   机器学习   多标签分类   最大互信息分类   混合模型   贝叶斯确证  

摘要： 从样本分布求得隶属函数是重要的也是困难的。汪培庄的随机集落影理论使用集值统计得到隶属函数，从而在统计和模糊逻辑之间架起桥梁。但是，通常的样本并不包含集值，所以该理论不够实用。鲁晨光使用语义信息方法推导出用样本分布优化隶属函数的两个公式，它们和集值统计结果一致，可谓随机点落影方法。该方法可以用于多标签分类、最大互信息分类、混合模型、贝叶斯确证等。深度学习最新潮流中用的相似函数和估计互信息就是隶属函数和语义互信息的特例。因为最大语义信息准则和最大似然准则以及正则化最小误差平方准则兼容，并且隶属函数比似然函数迁移性更好，比反概率函数更容易构造，隶属函数有希望被广泛用于机器学习。

关键词： 脓毒症   生物信息学   铁死亡   机器学习   中药预测  

摘要： 目的 基于生物信息学分析和机器学习算法探究铁死亡参与脓毒症的机制及预测治疗脓毒症的潜在中药，以期为脓毒症的临床治疗提供新的治疗方向及用药思考。方法 从gene expression omnibus(GEO)数据库下载脓毒症的基因表达数据，利用R语言筛选差异表达基因(differentially expressed gene,DEG)。在FerrDb平台收集与铁死亡相关的靶点。采用weighted correlationnetworkanalysis(WCGNA)筛选关键模块基因。得到DEG、WGCNA和铁死亡基因数据集的交集基因，然后通过3种机器学习算法筛选出脓毒症相关铁死亡核心基因，利用GSE232753数据验证脓毒症相关铁死亡核心基因。通过CIBERSORT算法评估22种免疫细胞丰度进而评估脓毒症与免疫细胞浸润的相关性。最后，通过核心基因预测潜在治疗中药，根据药物性味归经拓展中医理论。结果 利用随机森林(random forest, RF)、支持向量机-递归特征消除(support vector machine-recursive feature elimination, SVM-RFE)和最小绝对收缩和选择算法(the least absolute shrinkage and selection operator, LASSO)算法共筛选得到脓毒症相关铁死亡核心基因，进一步利用GSE232753数据集进行验证，最终确定TXN、NR1D2、PARP15为脓毒症相关铁死亡的核心基因，且其基因表达量均显示出统计学显著性差异(P<0.05),ROC分析显示，3个潜在核心基因曲线下面积(area under curve,AUC)均大于0.9。免疫细胞浸润分析表明多种免疫细胞可能参与脓毒症的发展，以上3个核心基因在不同程度上与免疫细胞有一定的相关性。利用本草图鉴数据库对上述3个核心基因，通过《中华本草》和《中药大辞典》筛选整理得到脓毒症相关铁死亡核心基因靶向中药沙棘、蜂房等22味中药，靶向中药大多药性偏平，药味甘，归经入胃、肺。结论 铁死亡参与脓毒症的机制可能与TXN、NR1D2、PARP15基因的表达水平有关，同时预测了针对脓毒症相关铁死亡核心基因的靶向治疗中药，为脓毒症的治疗提供新的治疗方向及用药参考。

关键词： 人工智能   企业   新质生产力  

摘要： “新质生产力”对人工智能与企业的融合提出了新要求,有必要对人工智能驱动企业新质生产力的机制和路径做出分析。基于2013—2022年间省级面板数据,实证考察人工智能影响企业新质生产力的内在机制和影响路径。研究发现,人工智能显著提升了企业新质生产力发展水平,并且经过一系列内生性和稳健性检验后依然成立;人工智能对东部地区企业新质生产力水平提升的影响效果最强,影响西部地区企业的新质生产力水平提升效果次之,而影响中部地区企业的新质生产力水平提升效果不显著;中介效应检验发现,人工智能可以通过优化创新链、人才链和资金链提高企业新质生产力发展水平。因此,政府要加快发展新一代人工智能,提升企业新质生产力水平;优化创新链,提升企业技术创新水平;优化人才链,引导企业通过多种方式优化劳动力结构;优化资金链,积极促进数字经济与传统产业的深度融合。

关键词： Darcy-Stokes方程   模型降阶   本征正交分解   机器学习   随机森林  

摘要： Darcy-Stokes方程是一类参数化偏微分方程，高精度全模型（full-model）有限元法是求解该方程的常用数值方法之一.在实际应用中，往往需要对不同参数的Darcy-Stokes方程进行反复模拟，如果每次都使用高精度全模型来求解则代价太大.本文针对奇异扰动DarcyStokes方程提出了一种融合模型降阶和机器学习方法的快速求解方法 .该方法使用本征正交分解（Proper Orthogonal Decomposition, POD）方法从解数据快照集构造解流形的低维逼近空间，建立降阶模型.为了克服模型降阶法调用和修改full-model导致计算效率降低的问题，该方法利用随机森林训练来得到低维空间表示系数与模型参数之间的函数关系.数值算例表明，该方法兼具模型降阶和机器学习方法的优点.与高精度全模型方法相比，该方法能够在保证计算精度的前提下提升计算效率80多倍.

关键词： 长江流域   干旱形成演变机制   人工智能   陆气耦合   多尺度无缝隙预测  

摘要： 受东亚季风气候以及全球气候变暖的影响，长江流域近年来极端干旱事件频繁发生，严重威胁流域经济社会高质量发展。深入研究长江流域干旱形成演变机制，提出干旱时空变化过程预测方法，提高干旱预测精度，对保障长江流域供水安全、粮食安全和生态安全具有重大的理论意义和实践价值。本文围绕长江流域干旱形成演变机制与预测问题，重点梳理了近年来长江流域气象干旱、农业干旱和水文干旱研究上取得的重要进展，并对未来发展趋势进行展望。（1）在形成演变机制方面，系统总结了多尺度气候系统异常特征对区域气象干旱的驱动和维持机制，并进一步揭示气候条件、流域特征、人类活动等不同因子对农业干旱和水文干旱时空演变过程的影响；（2）多尺度预测方面，梳理了综合运用动力、统计方法的气象干旱预测进展，以及基于陆气耦合的农业干旱和水文干旱预测研究。进一步地阐述了未来研究中，研发具有物理气候基础的季节尺度气象干旱人工智能预测方法、形成长江流域基于陆气耦合的干旱时空演变过程多尺度无缝隙预测技术体系的重要性。

关键词： 双轮驱动   人工智能   可解释性   智能诊断   肺炎  

摘要： [目的/意义] 面向疾病诊断场景，探讨基于知识和数据融合的人工智能诊断模型的可解释性策略，为促进智能医学发展，进一步加强情报学、数据科学与医学学科间的交叉融合。[方法/过程] 结合多学科理论和方法，从知识数据双轮驱动角度，构建可解释性的智能诊断理论模型框架，并以病毒性肺炎和细菌性肺炎的鉴别诊断进行实证研究。[结果/结论] 本文从情报学视角出发，阐述了可解释性智能诊断模型构建策略，并通过实际场景应用验证模型框架的可行性与合理性。