关键词： 油气田开发   产量预测   机器学习   神经网络  

摘要： 受开发过程中储层物性、流体性质和工艺措施的复杂多变性影响，油气生产数据的分析利用程度多取决于石油科技工作者的专业经验，通常需要较高的计算成本和时间成本，难以满足现代油气藏高效开发需求，因此亟待找到更加高效率的油气产量预测方法。近年来，以深度神经网络、随机森林算法和迁移学习为代表的机器学习方法凭借处理高维数据、捕捉时序数据长期依赖关系和提取开发数据特征等方面的独特优势，在油气产量预测中取得了显著应用效果。文中介绍了常用于油气产量预测的机器学习方法原理及其优缺点，阐述了机器学习方法在油气产量预测领域的应用现状，总结了应用过程中潜在的问题，同时对油气产量预测方法的发展进行了展望。未来，一方面应关注将物理约束融入机器学习模型，提高模型的可解释性，避免过于理想化的预测结果；另一方面要开发适合小样本情况下的算法和迁移学习技术，充分利用历史生产数据，为油气产量预测提供更好的数据分析技术支持。

关键词： 数据清洗   标准化处理   时间域特征   频域特征   层次聚类   层次树状图   多元方差分析(MANOVA)   随机森林   分类模型   传感器数据   实验人员特征   相关性分析   优化模型  

摘要： 随着智能手机的普及,越来越多的手机具备评估用户日常活动消耗热量的功能。这类运动健康软件主要依赖智能手机记录用户每天活动状态的数据来计算热量消耗。然而,如何有效地分类和分析这些运动数据仍然是一个挑战。本文的研究目标是对实验人员的运动数据进行分类和分析,以提高数据处理和分类的准确性。研究主要分为三个部分:1) 数据预处理:通过数据清洗和标准化处理,提取时间域和频域特征,并应用层次聚类算法对实验人员的运动数据进行分类,生成层次树状图展示数据点的层次关系。2) 分类模型评估:使用10名实验人员的运动数据,采用随机森林分类模型进行训练和预测。结果表明,模型整体准确性为65%,其中类别8的分类效果最佳,类别2和3的分类效果较差。3) 数据差异分析:整合数据并使用多元方差分析(MANOVA)检验不同实验人员传感器数据之间的显著差异。结果显示实验人员之间的传感器数据无显著差异。此外,通过相关性分析,计算传感器数据与实验人员特征(年龄、身高、体重)之间的相关系数,并绘制相关性矩阵。本文提出的分类和分析方法有效识别了实验人员的运动数据特征,提供了进一步优化模型和数据处理的建议,以提高分类准确性。With the widespread use of smartphones, more and more smartphones have the ability to evaluate the daily activity energy consumption of users. This feature mainly relies on the smartphone to record daily activity data and calculate energy consumption. However, how to effectively classify and analyze this data is a challenging task. This study conducts experiments on data from laboratory personnel to classify and analyze the data to improve the accuracy and validity of the data processing. The research is divided into three main parts: 1) Data preprocessing: Through data cleaning and standardization, time and frequency domain features are extracted, and unsupervised classification of these features is conducted using hierarchical clustering. A hierarchical tree diagram was generated to display the hierarchical relationship among data points. 2) Classification model evaluation: Using motion data from 10 participants, a Random Forest classification model was trained and tested. The overall accuracy of the model was 65%, with the best performance in classifying category 8, while categories 2 and 3 showed poorer classification results. 3) Data variance analysis: The data were consolidated, and a multivariate analysis of variance (MANOVA) was conducted to assess significant differences in sensor data among participants. The results indicated no significant differences in sensor data across the participants. In addition, relevant analyses are conducted to calculate the correlations betwe

关键词： 乳腺癌   HER2   表达状态   乳腺X   线摄影   超声   机器学习  

摘要： 目的基于乳腺X线及超声双模态影像特征构建多分类机器学习模型,术前预测乳腺癌患者的人类表皮生长因子受体2(HER2)表达状态。方法搜集符合纳排标准的632例女性乳腺癌患者,其中HER2不表达141例、低表达311例、高表达180例。提取研究对象全视野数字化乳腺X线摄影(FFDM)、数字乳腺断层摄影(DBT)以及乳腺超声(US)图像上乳腺癌病灶的影像学征象。在完成数据预处理后,基于五种机器学习算法构建乳腺癌HER2表达状态的三分类预测模型。采用五折交叉验证训练机器学习模型,计算三分类模型的总体准确率、精确率、查全率、F1⁃score、受试者工作特征曲线(ROC)曲线下面积(AUC)值。通过Bootstrap法比较模型间AUC值,筛选出分类性能最优的三分类模型。采用SHAP方法评估每个特征对模型预测HER2表达状态的重要性。结果在测试集上,随机森林(RF)模型对HER2表达状态的三分类性能最优,宏平均AUC为0.723,微平均AUC为0.783,总体准确率为57.4%,宏平均召回率为53.0%。SHAP分析结果表明,影响RF模型输出最重要的五个全局特征依次为X线观察到的钙化、舒张压、细线样或线样分支状钙化、US测量的病灶最大径、CA153。结论基于乳腺X线及超声双模态影像特征的机器学习多分类模型可以实现乳腺癌患者HER2表达状态的术前预测,结合SHAP方法可以提高机器学习模型的可解释性。

关键词： 大数据流水线   算法模型集成   激光雷达   机器学习   随机森林   πFlow  

摘要： 【背景】激光雷达(LiDAR)数据在森林资源分析利用方面有着广泛应用,科研人员研制了很多涉及大数据管理和人工智能的专业算法模型,这些算法模型目前多数散落在研究人员手里,尚缺乏新型信息化平台对其进行整合。【方法】大数据流水线系统πFlow软件具有大数据管理能力和大数据算法集成能力,并可以所见即所得方式构建流水线并调度运行流水线,适合于LiDAR数据复杂算法模型的整合,且流水线可定制、可复用。【内容】本文介绍了πFlow的特点和功能,并以基于LiDAR冠层高度模型(CHM)数据的树冠解析及利用机器学习方法估测树木生物量为例,介绍了将算法整合到πFlow并构建LiDAR数据分析处理流水线的方法和技术,且对流水线进行了测试运行。【结果】利用πFlow构建的可重复信息化平台可支撑野外站观测网络的LiDAR数据生物量快速反演,为数据密集型的专业数据处理算法模型的整合提供了创新方法技术。

关键词： 微型电机   质量检测   物理模型   粒子群优化   支持向量机  

摘要： 为了解决微型电机声学质量检测人工手摸及听诊方法存在的主观误判率高、效率低下等问题,同时兼顾检测结果准确率和检测模型构建的快速性,提出了一种小样本机器学习检测方法,其根据微型电机传动链物理模型进行多维声学故障特征提取,在此基础上,采用粒子群优化算法对支持向量机这种小样本学习方法的核心参数进行优化,从而提高模型判别的准确率。试验结果表明,该方法能够有效判别微型电机异常振动和声音,准确率达到95%以上。

关键词： 肝细胞癌(HCC)   线粒体氧化应激   机器学习   预后   风险模型  

摘要： 肝癌是常见的恶性肿瘤之一,晚期肝癌的预后极差。鉴于线粒体氧化应激在肝癌发生发展中的重要作用,选用线粒体氧化应激相关基因构建肝细胞癌(hepatocellular carcinoma,HCC)预后风险模型。首先,结合单因素Cox回归分析与支持向量机、随机森林分析、LASSO回归分析3种机器学习方法筛选预后关键基因,并基于多因素Cox回归分析构建模型;其次,在数据库中对模型的预后价值进行验证;再次,利用基因富集分析探讨高低风险组间预后差异的可能机制,并比较两组间的免疫微环境及治疗反应;最后,使用实时荧光定量逆转录PCR(reverse transcription quantitative real-time PCR;RT-qPCR)验证关键基因在HCC组织中的表达。结果共筛选出PDE2A、TREM2、BMP6、NQO1、CPS1、EPO、MAPT、G6PD、SFN、HMOX1十个基因。与低风险组比较,高风险组HCC患者预后较差(P<0.0001)。富集分析表明,过氧化物酶体增殖物激活受体(peroxisome proliferator-activated receptor,PPAR)信号通路等在高低风险组间存在显著差异。肿瘤免疫分析表明,肿瘤免疫浸润、免疫检查点相关基因、免疫治疗反应等在高低风险组间也存在显著差异。RT-qPCR的验证结果表明,相比正常肝组织,HCC组织中CPS1、PDE2A、BMP6的表达显著降低(P<0.05),而G6PD、SFN的表达显著升高(P<0.05)。总之,本研究建立的线粒体氧化应激相关HCC预后风险模型具有良好的预测效能及准确度,可用于HCC的精准治疗,有较高的临床应用价值。

关键词： 供水管网   故障预测   机器学习   管道特征影响  

摘要： 近年来我国各地供水管网运行安全问题频发,造成了巨大的经济损失与严重的社会影响。因此,准确地预测管道故障,精准地维护管道,经济高效地保障供水管网的运行安全具有十分重要的意义。然而,目前关于前沿算法在管道故障预测方面的应用有待探索,并且关于系统性比较机器学习算法的研究尚不多见。为此,首先明确了供水管网故障预测问题,介绍了逻辑回归、随机森林、人工神经网络和一维卷积神经网络四种机器学习算法的基本原理。以我国南方某市工业园区供水管网为例,检验比较了四种模型的故障预测性能,结果显示一维卷积神经网络准确性最好但随机森林效率最高。同时分析了管道特征对故障概率的影响,管径、管长、道路等级与施工企业资质是最重要的四个特征,故障概率与管径、道路等级呈负相关,而与管长、施工企业资质呈正相关。

关键词： 机器学习   中医药   算法模型   人工智能   大数据   深度学习  

摘要： 随着信息技术的快速发展及数字化时代的到来,数字化技术在多个中医药研究领域,如中药质量控制、数据挖掘、新药发现、处方配伍优化以及中医临床诊断等方面发挥重要作用。机器学习(ML)、深度学习(DL)等数字化技术的应用可优化中医药研究设计、降低临床研究时间成本、将临床研究与基础研究有机结合,提高临床研究质量和效率,为中医药现代化研究的科学性、客观性、规范性提供了保障。因此,完善多种数据资源、实现多种数字化技术交叉结合使用、优化算法和模型是中医药未来发展的必然趋势。对近年来ML在中医药研究领域中的应用进展进行梳理,分析说明聚类、支持向量机(SVM)和深度学习(DL)等ML方法在中药药性、中药配伍、中药毒性分析、中药药效研究、中药制药过程工艺优化、中药饮片质量等级分类、中医药临床用药规律挖掘、中医药治疗原理及药效机制解析等研究中的具体应用。旨在探索ML在中医药研究中的应用趋势,并对其应用前景进行展望。

关键词： 机器学习   国债收益率曲线   货币政策   通货膨胀率  

摘要： 理解国债收益率曲线的影响因素对于投资者配置债券投资组合、央行制定货币政策均具有一定的指导意义。本文通过机器学习方法,识别我国国债收益率曲线的重要影响因素。基于各个变量的相对预测能力,通过变量重要性分析技术挖掘我国国债收益率的主要影响因素,并使用偏相关依赖图研究其对国债收益率的边际影响。研究发现:(1)我国国债收益率曲线的本国影响因素主要为货币政策和通货膨胀率,全球因素则为石油价格、美国货币政策以及全球经济形势等。(2)货币政策、通货膨胀率等本国因素是我国短期国债收益率的主要影响因素,而长期国债收益率则同时受到本国及全球因素的影响。基于此,本文提出进一步疏通我国货币政策对国债收益率曲线的传导渠道、更加重视长期国债收益率等政策建议,以防范利率风险和增强财政与货币政策协调性。

关键词： 代谢组学   医学研究   机器学习方法  

摘要： 代谢组学是研究生物体内所有小分子代谢产物的学科领域。其利用先进的技术平台如质谱和核磁共振等,可以全面、高通量地检测代谢物,为疾病的早期诊断、发病机制研究和个性化治疗提供新思路。由于代谢组学数据具有多样性、高维度、动态性、噪声和变异性等特点,为其数据分析方法研究提出了严峻挑战。本文拟通过归纳总结近年来主要的机器学习法尤其是其改进方法在代谢组学数据统计分析中的进展,为进行有效的数据分析,充分发挥代谢组学在医学研究中的应用提供重要依据。