关键词： 锂离子电池   神经网络   寿命衰减   CNN   LSTM  

摘要： 随着新能源汽车和电力系统电化学储能发展的需要,锂离子电池正在得到社会的普遍关注。然而,锂离子电池由于其内部化学反应所导致的储能能力会逐渐减弱,鉴于此,本研究将焦点放在了储能电池剩余寿命的问题上,并以神经网络为基础进行深入研究。首先,文章介绍了基本的神经网络结构,然后利用神经网络对大量数据进行了训练和学习。通过这一过程,成功构建了储能电池剩余寿命的预测模型,为电池寿命问题提供了一种全新的解决途径。通过建立预测模型,我们不仅能够更好地理解储能电池的寿命特性,还为其使用和管理提供了有效的参考依据。这一研究成果对电网调峰调频中储能电池的合理运用具有重要意义。

关键词： 勘探开发   工程技术   变质岩潜山   产量预测   机器学习   数据使用   建模   定量评价产量  

摘要： (目的意义)建立储层产量预测模型,实现产量定量评价,解决现有技术定性预测无法数字量化产量难题,提高产量预测精度。(方法过程)将初步试井解释渗透率与求产第一油嘴产量两个数据作为研究对象,通过机器学习、数据建模,对初步试井解释渗透率与求产第一油嘴产量之间的客观规律进行数学表达,建立函数关系,形成产量定量评价公式。依托变质岩潜山储层5口井有效测试数据进行自助法验证,同时在2口井测试作业现场进行验证,评价数据模型预测产量的准确度。(结果现象)应用自助法分两次抽取(3,3)个数据输入数据模型公式,通过公式预测的单口井产量与实际单井测试第一油嘴求产产量的相对误差为1%~10%,证明了该数据模型的有效性和稳定性。同时,在现场两口井的产量预测中使用该公式,相对误差分别为8%与16%,再次证明了产量评价模型对新数据具有适应性,数据模型可靠有效。(结论建议)为变质岩潜山储层产量定量预测提供了一种可选择的方法。

关键词： 供水系统   实时数据分析   漏损预测   漏损定位   机器学习方法  

摘要： 城市供水系统是城市基础设施的重要组成部分,保障供水系统的正常运行对于提高城市生活质量和促进经济发展至关重要。本文总结了实时数据分析技术在供水系统漏损管理中的应用,详细探讨了流量、压力、水质及地理信息数据的实时监测与采集方法。采集的数据通过回归分析、灰色预测模型及多种机器学习算法进行漏损预测,并通过物理硬件检测法和基于模拟计算的方法进行漏损定位,展示了贝叶斯理论、神经网络算法及支持向量机在漏损识别中取得的研究成果。最后,探讨了在数据和模型两方面所面临的挑战,并提出了相应的改进建议,为未来城市供水管网漏损治理提供了科学依据与实践指导。

关键词： 遥感卫星   任务智能决策   机器学习   样本模型  

摘要： 基于遥感卫星任务决策的特点,研究如何采用机器学习方法对执行任务时产生的大量动作、指令和遥测数据进行分析和训练。为了给遥感卫星任务建立机器学习方法,探索机器学习辅助遥感卫星任务智能决策的可行性,并探讨机器学习模型对卫星任务数据的适应性和处理效率。借鉴地面相关人工智能系统成熟的机器学习架构,研究建立遥感卫星任务相关智能决策的机器学习方法,并给出了机器学习的样例。研究结果表明:机器学习方法的适应性很强,初步实现了遥感卫星自主任务决策,并达到一定的准确率,对卫星任务智能决策技术进行了有益探索。

关键词： 畜牧业生产   国际期刊   中国农业科学院   卫星遥感技术   饲草料   最新研究成果   草地生物量   机器学习方法  

摘要： 近日,中国农业科学院草原研究所团队关于草地生物量估算的最新研究成果在国际期刊《环境遥感》发表。这是该团队继2023年在国际期刊《科学》发表论文之后,又一重要研究进展。草地生物量是草地生态系统碳储量的重要组成部分,同时也是畜牧业生产的重要饲草料来源。然而,由于物种结构、气候环境等因素影响,精确估算草地生物量一直面临巨大挑战。尽管现有的卫星遥感技术和机器学习方法提供了新的研究思路,但这些估算方法在空间扩展性中依然很不稳定,主要因为对驱动指标与模型之间耦合关系的理解尚不清晰。

关键词： 抑郁症   小样本学习   蛋白质组学技术   临床诊断  

摘要： 抑郁症是一种常见的精神障碍,约27%的人在一生中会出现类似症状,早期诊断对治疗至关重要,但传统诊断方法存在主观局限性,易误诊或漏诊,因此需要一种客观的诊断方法来提高诊断率。蛋白质组学技术研究蛋白质表达水平变化,可以帮助理解疾病机制,有助于开发临床诊断工具。蛋白质组学数据通常具有特征维度高,样本量少的特点,本文提出了一种基于小样本学习的抑郁症分类预测模型,相比于传统机器学习模型,该模型对抑郁症的分类预测能力显著提升。

关键词： 智能技术   故障分析   预防性维护  

摘要： 阐述机器学习方法在医疗设备故障分析中的应用优势。通过提高效率和准确性、节省人力和成本,以及实现预防性维护,机器学习方法可以提供更高效、更准确、更经济的故障解决方案。

关键词： 麻醉恢复时间   妇科手术   机器学习  

摘要： 目的构建妇科手术中麻醉恢复时间预测模型并验证。方法回顾性收集来自湖南省妇幼保健院2022年9月至2023年8月495例妇科手术,数据预处理后,构建逻辑回归(LR)模型、支持向量机(SVM)模型、多层感知器(MLP)模型、自适应提升(AdaBoost)模型、梯度提升决策树(GBDT)模型、随机森林(RF)模型、极限梯度提升(XGBoost)模型、类别提升(CatBoost)模型及引导聚集(Bagging)算法9个模型。为评估机器学习模型的预测准确性,绘制了受试者操作特征(ROC)曲线并比较曲线下面积(AUC)。针对最佳模型,探索各个特征在最佳模型中的重要性,并进行十折交叉验证最佳模型的适用性和稳定性。结果在495例患者中,全身麻醉恢复时间≥2 h者为A组,94例;<2 h者为B组,有401例。根据性能指标,9个模型中最佳模型为XGBoost(AUC为0.8701)。特征重要性分析中发现拔管时间与全身麻醉恢复时间关系密切。在十折交叉验证,该模型表现出了良好的普适性和稳定性。结论利用多种数据构建的XGBoost模型,有良好的预测表现和临床价值。

关键词： 现代产业体系   科技创新能力   中国式现代化   关键变量   机器学习方法   实体经济   十八大以来   坚持创新  

摘要： 《国家“十四五”规划和2035年远景目标纲要》强调“坚持创新在我国现代化建设全局中的核心地位,坚持把发展经济着力点放在实体经济上”,测度“科技创新”与“实体经济”现代化发展水平,探究科技创新促进实体经济现代化的作用及时空演变,是研究中国式现代化的重要视角。本文构建评价指标体系测度十八大以来全国各省市科技创新能力及实体经济现代化水平,运用动态空间杜宾模型(DSDM)、机器学习方法分别研究科技创新促进实体经济现代化的总体作用及关键变量,以期为建设现代产业体系提供参考。

关键词： 热连轧   带钢   板形预测   数据驱动建模   数据预处理   深度置信网络  

摘要： 在热连轧带钢生产过程中,平直度是重要的板形质量指标。为提高热连轧带钢板形的控制水平,针对热连轧带钢平直度检测滞后与预测精度不高的问题,建立基于数据驱动的热连轧板平直度分类预测模型。将工艺参数、设备参数以及轧件参数中对带钢平直度影响显著的66个关键参数作为输入变量。按照平直度仪在轧制方向上的实际测量间距以及在带钢宽度方向上的测量通道宽度,将钢卷离散化为一系列条元,并生成不同条元带钢对应的平直度分类标签,研究实际以带钢宽度方向上中部条元的平直度分类标签作为输出变量。基于提出的数据预处理方法,获取用于构建板平直度分类预测模型的可靠且高质量的建模数据。采用深度置信网络(deep belief networks,DBN)构建基于数据驱动的热连轧板平直度分类预测模型。以交叉熵为评价指标,分析超参数对DBN模型性能的影响,确定模型的最佳超参数。在测试集样本类别分布不均衡的情况下,构建的DBN模型对大中浪平直度类别、无中浪平直度类别以及微中浪平直度类别的预测准确度分别达到了100%、96.87%与77.78%,平直度的错误预测类别主要为与其平直度值更接近的相邻平直度类别。该方法能对热连轧带钢平直度进行准确的分类预测,对提高板形预设定模型的计算精度与改善带钢板形具有重要作用。