关键词： 紫外-可见光谱   CODMn   XGBoost算法   BP神经网络   预测  

摘要： 地表水监测常用指标CODMn(高锰酸盐指数)在目前的国家标准中采用化学试剂来测定,该法优势明显但存在着样品回流加热时间长、易二次污染、操作复杂等缺陷。采用光谱仪可以测取水样光谱,通过定量分析光谱,可以得到光谱与CODMn之间的关系。然而水体组分过于复杂,一一分析各组分与光谱之间的对应关系非常困难。机器学习理论及模型是一个典型的黑箱系统,能从大量现象中提取反复出现的规律与模式。为此,本文以紫外-可见光谱仪测取的水样光谱数据和CODMn化验数据为基础,重点研究XGBoost算法、BP神经网络及其优化算法GA搭建水质CODMn预测模型的过程,从而实现利用光谱预测水样CODMn的目标,论文的重点工作可概括如下:(1)分析水样光谱数据特性并进行数据预处理。针对采集到的水样光谱数据具有高维度的特点,本文采用主成分降维法对光谱数据中包含的1297维吸光度信息进行降维处理后得到8个主成分,大大降低了吸光度数据的维度;针对机器学习数据集构建的一般要求,合理分割数据集,为机器学习模型的搭建奠定数据基础。(2)搭建并训练XGBoost预测模型。根据XGBoost算法参数众多的特点,采用Grid Search的方法进行参数调优,然后搭建并训练好XGBoost预测模型,导入测试集后分析预测结果,结果表明该模型拟合优度达0.90,预测CODMn的性能较好;(3)搭建并训练GA-BP预测模型。研究BP神经网络及其优化算法GA原理,分析BP神经网络各层神经元个数及权值、阈值的确定方法,然后搭建三层结构的GA-BP神经网络预测整模型并训练好,导入测试集后分析预测结果,结果表明该模型拟合优度达0.95,预测CODMn的性能很好。本文可以为生态文明建设和水质监测技术革新提供思路参考和技术借鉴。

关键词： 机器学习   央行   货币政策   人工智能  

摘要： 本文对中央银行运用机器学习的基础理论文献进行了评介和研究,得出结论:给定问题,机器学习未来可取代中央银行家解决所给定的问题;但是机器学习无法代替人类发挥想象力来选择需要被解决的问题。在经验证据分析方面,本文选取了货币中性问题和利率政策模拟问题,机器学习方法给出了具有启发性的结论。

关键词： 发热伴血小板减少综合征   机器学习   分类   关联因素  

摘要： 目的发热伴血小板减少综合征(severe fever with thrombocytopenia syndrome,SFTS)是由感染发热伴血小板减少综合征病毒(severe fever with thrombocytopenia syndrome virus,SFTSV)引起的传染性疾病。传染性高、病死率高以及分布广泛等原因使SFTS成为严重的公共卫生问题。本研究旨在探究SFTS病人疾病严重程度的关联因素,并利用有意义的因素建立机器学习模型,为临床医生早期识别SFTS重症病人提供线索。方法选择河南省信阳市中国人民解放军联勤保障部队第九九〇医院(原中国人民解放军第一五四中心医院)作为研究现场,收集2019-2020年SFTS病人的临床资料并收集病人血清样本。根据病人病情将病例分为轻症、重症及危重症三个等级。比较三组间实验室检测指标的差异,选取有统计学意义的变量与病人疾病严重程度和血清SFTSV载量进行相关性分析,找到与病人病情及病毒载量有关联的因素。将与疾病严重程度有关联的因素纳入模型,使用机器学习方法中的决策树模型和Logistic回归模型构建早期识别模型。用交叉检验对训练的模型进行检验并得到最佳参数的模型。用受试者工作特征曲线下面积(AUC)、准者度(accuracy)、约登指数(Youden’s index)等指标对模型的预测性能进行评价。结果与病人疾病严重程度相关联的因素有年龄(r=0.478,p<0.05)、SFTSV载量(r=0.532,p<0.01)、PLT(r=-0.387,p<0.05)、WBC(r=-0.372,p<0.01)、AST(r=0.439,p<0.01)、ALT(r=0.307,p<0.05)、LDH(r=0.476,p<0.05)和CK(r=0.408,p<0.01)。其中PLT、WBC与严重程度呈负相关,其余变量均与严重程度呈正相关。与病人SFTSV载量相关联的因素有PLT(r=-0.347,p<0.05)、WBC(r=-0.307,p<0.05)、LDH(r=0.353,p<0.01)、AST(r=0.348,p<0.01)、ALT(r=0.331,p<0.01)、CK(r=0.329,p<0.05)、年龄(r=0.273,p<0.05)及淋巴结肿大面积(r=0.346,p<0.05)。使用受试者工作特征曲线(ROC)对病人严重程度进行初步预测发现,AST具有最高的预测性能,AUC和约登指数分别是0.782,0.534;其次是LDH,AUC和约登指数分别是0.763,0.485;年龄的预测性能最差,AUC和约登指数分别是0.586,0.183。使用CART算法分别基于患者实验室参数和临床特征信息构建决策树模型。通过比较发现,基于SFTS患者实验室参数构建的决策树的灵敏度为92.7%,特异度为70.0%,准确度为83.1%,约登指数为0.63,AUC为0.88;基于SFTS患者人口学和临床特征构建的决策树的灵敏度为82.9%,特异度73.3%,准确度为78.9%,约登指数为0.56,AUC为0.83。表明基于实验室参数的决策树的分类能力更加有效。构建Logistic回归模型,当准确度最大时,模型的灵敏度为66.67%,特异度为79.54%,准确度为76.09%,约登指数为0.46,AUC为0.84;当AUC最大时,模型的灵敏度为33.33%,特异度为99.17%,准确度为68.06%,约登指数为0.32,AUC为0.89。当模型的准确度达到最大时模型的预测性能达到最优。结论1.年龄、SFTSV载量、PLT、WBC、AST、ALT、LDH和CK与SFTS病人病情严重程度有关联,并且这些因素可以作为预测因子对病人进行分类。其中AST、LDH的预测性能最好。2.在决策树模型和Logistic回归模型两类机器学习算法中,决策树模型的分类能力优于Logistic回归模型,并且有结构简单、直观易懂等优点。3.随着模型复杂程度的增加,Logistic回归模型存在过拟合的风险,在临床应用的过程中应与决策树模型联合使用,综合分析。

关键词： Pharmaceutical sciences  

摘要： Background: The efficient and safe delivery of medications represent a challenge, particularly within in-patient hospital pharmacies. Different medication distribution systems have evolved and were deployed to meet this challenge. Centralized, decentralized, and hybrid medication distribution systems comprise the main medication distribution systems. Moreover, the optimization of these systems is an ongoing process, and there is a need for innovative managing tools that align with these distribution systems. Objectives: This dissertation aimed at managing the oral medication distribution system within a Hybrid Medication Distribution System (HMDS) in a pediatric hospital using Artificial Neural Network (ANN) modeling. This aim was sought in two specific aims: to develop and validate an ANN model to determine the assignment of oral medications to either centralized or decentralized distribution system within the HMDS, and to evaluate the expandability of the developed ANN model in managing these assignments in another high-throughput nursing unit. Methods: Retrospective data analyses were performed using a one-year dispensing data from the Cincinnati Children’s Hospital Medical Center between January 1st – December 31st of 2018. A subset of the oral medication dispense transactions was obtained, and two nursing units were selected to carry out the analyses for the two aims. The ANN model was developed and validated, and the model’s quality metrics were obtained. The expandability of the developed ANN model, as well as the retraining of the model, were evaluated. Results: There was a total of 82,961 oral medication dispense transactions in aim 1 dispensing unit. The centralized distribution accounted for 54.18% of the oral medication dispense transactions, and 45.82% pertained to the decentralized distribution. The ANN model was developed, and cross-validated using 75% training (n= 62,002) and 25% testing (n= 20,667) data. The ANN training model had a 98% accuracy, 2%

关键词： 布鲁氏菌病   时间序列   机器学习   预测  

摘要： 目的:通过分析2008-2017年辽宁省人间布鲁氏菌病（简称:布病）发病规律和气象特征的重要程度,探索季节性ARIMA（Autoregressive Integrated Moving Average,ARIMA）模型、XGBoost（e Xtreme Gradient Boosting,XGBoost）机器学习模型在布病发病短期预测中的应用。通过平均绝对误差（Mean Absolute Error,MAE）、均方根误差（Root Mean Squard Error,RMSE）和平均绝对百分比误差（Mean Absolute Percentage Error,MAPE）指标比较ARIMA模型和XGBoost机器学习模型的预测效果,从中选择出最适合辽宁省布病预测的模型。为传染病发病的精准预测提供新的思路,为制定辽宁省布病预防预警策略提供科学依据。方法:将2008年1月-2016年12月辽宁省人间布鲁氏菌病发病数据和气象数据作为训练集;将2017年1月-2017年12月辽宁省人间布鲁氏菌病发病数据作为测试集。用训练集中布鲁氏菌病发病数据建立ARIMA模型,并使用测试集测试ARIMA模型预测效果;用训练集中布鲁氏菌病发病滞后数据建立XGBoost机器学习模型（不含气象因素）,并使用测试集测试XGBoost机器学习模型预测效果;通过随机森林交叉验证的方法从训练集中布鲁氏菌病发病和气象的滞后数据中筛选出特征变量,使用特征变量建立XGBoost机器学习模型（含气象因素）,并使用测试集测试XGBoost机器学习模型预测效果。结果:1.2008-2017年辽宁省人间布鲁氏菌病发病呈现春季增长趋势,5月份发病人数最多;秋季呈下降趋势,12月份发病人数最少。2.通过随机森林交叉验证对训练集进行了特征筛选,并得到了10组数据变量,按照其重要程度由大到小排序如下:发病数滞后12个月、发病数滞后个1月、发病数滞后11个月、发病数滞后2个月、发病数滞后10个月、湿度滞后7个月、气温滞后10个月、气压滞后4个月、气压滞后11个月、湿度滞后2个月。3.季节性ARIMA（0,1,2）×（0,1,1）[12]模型训练集的MAE、RMSE和MAPE值分别为18.842、25.975和16.749%;测试集的MAE、RMSE和MAPE值分别为49.653、58.970和29.122%。XGBoost模型（不含气象因素）训练集的MAE、RMSE和MAPE值分别为12.248、19.013、和11.622%;测试集的MAE、RMSE和MAPE值分别为39.687、44.449和26.303%。XGBoost模型（含气象因素）训练集的MAE、RMSE、MAPE分别为11.777、18.560、10.276%;测试集的MAE、RMSE、MAPE分别为28.955、37.864、17.973%。结论:1.2008-2017年辽宁省人间布病发病呈现较明显的季节性。2.对于2008-2017年辽宁省人间布病发病数预测,XGBoost模型（不含气象因素）比乘积季节性ARIMA（0,1,2）×（0,1,1）[12]模型预测精度更高。3.对于2008-2017年辽宁省人间布病发病数预测,XGBoost模型（含气象因素）比XGBoost模型（不含气象因素）和乘积季节性ARIMA（0,1,2）×（0,1,1）[12]模型预测精度都要高。4.对于2008-2017年辽宁省人间布病发病数预测,加入气象数据能够大幅提高XGBoost模型的预测精度。

关键词： 甲基苯丙胺成瘾   诱因凸显性   线索反应性   眼动追踪   虚拟现实   支持向量机  

摘要： 成瘾是一种慢性、复发脑疾病。药物滥用是全球性的公共安全健康问题，近年来，国内外的药物滥用形势日益严峻。异常的线索反应性是成瘾的核心特征之一，这与动机、注意和记忆相关脑区活动的增强有关。诱因凸显性(incentive salience)是一种具有高度吸引力的动机形式，纹状体多巴胺系统的异常变化使得药物相关线索获得诱因凸显性，从而吸引和维持成瘾者的注意资源，表现出与药物相关的注意偏向且动机增强。注意偏向相关的线索反应是评估成瘾严重程度、预测复吸风险和预后效果的重要指标。然而目前成瘾相关的注意偏向的测量研究，由于实验范式的差异以及测量结果的不稳定而存在一定分歧。眼动追踪技术为视觉注意过程提供了客观和定量的指标，作为生态效度更高且客观的注意偏向的内隐测量方式，眼动可能为我们探究药物线索诱发态下的动机属性和注意资源分配提供有效帮助。此外，眼动技术由于其便捷性被广泛应用在神经精神疾病研究中，且在机器学习的研究中表现出很好的分类应用。本研究结合虚拟现实和眼动追踪技术，通过提取在虚拟场景下线索反应的各种眼动指标，探索使用机器学习的方法有效区分甲基苯丙胺成瘾和健康人群的眼动特征。寻找甲基苯丙胺成瘾的行为标记物，为成瘾行为的早期识别和干预提供依据。　　本研究通过建立包含甲基苯丙胺、中性和自然奖赏等不同类型环境线索的虚拟场景，结合眼动追踪技术，使用自然浏览任务，探讨在自然环境下，甲基苯丙胺成瘾者的注意定向和注视模式。通过提取眼球运动特征（如注视、眼跳、瞳孔直径和注视熵等）和使用有监督的机器学习算法（即支持向量机，SVM），探索识别甲基苯丙胺成瘾的技术与方法。　　本研究共收集了217名被试的眼动数据（甲基苯丙胺成瘾者131名，健康对照组86名）。对比甲基苯丙胺成瘾者与健康对照组对不同刺激的眼动反应（包括注视、眼跳和瞳孔反应）。结果表明，成瘾者对药物线索的总注视时间更长，且表现出更活跃的眼跳反应，而对性相关线索表现出明显的回避反应，这表明诱因凸显性加工对不同类型的奖赏线索具有特异性的反应。同时，在自由浏览任务过程中，相比于健康对照组，成瘾者具有更小的瞳孔直径和更大的瞳孔熵值，表明成瘾者瞳孔变化的无序性或混乱程度更高，提示成瘾者的认知控制能力可能有所下降。特别地，我们使用注视熵探索个体在复杂视觉环境中的注视模式，以此衡量在虚拟场景下自由浏览任务中的视觉扫描效率。结果显示，与健康被试相比，成瘾者的注视转移熵更低（接近显著），意味着成瘾者在含有药物线索的场景中表现出刻板的视觉扫描模式和更固着的注视行为。　　使用眼动数据进行机器学习训练的结果显示，基于眼动的线性SVM分类模型可以有效区分成瘾和健康人群，分类器交叉验证的预测准确率为73.35％，敏感性为81.57％，特异性为72.22％，受试者操作特征曲线下面积(AUC)为0.78。性相关刺激作为敏感线索，个体对性相关线索的眼动反应对分类器有较大的贡献，指标包括回视次数、注视比率、总注视时间和回视时间。此外个体的瞳孔直径和瞳孔熵也是对分类器有较大贡献的指标。对比统计分析和机器学习的结果，总体上，在两个组之间存在显著差异的特征对分类器的贡献率更高。使用成瘾组一周后的重测数据（81名）验证模型的泛化可靠性，结果表明基于眼动数据的SVM分类器具有良好的可靠性，分类准确率为85.19％。　　这些结果提示了基于眼动的SVM分类器在鉴别甲基苯丙胺成瘾方面的潜在应用。识别成瘾的行为标记物，有助于鉴别药物滥用，且对成瘾的干预和治疗具有重要意义。

关键词： 工程成本   成本估算   非线性拟合   改进灰狼优化的支持向量机  

摘要： 开发住宅小区时,工程成本会受到诸多因素影响,各个影响因素之间的内部关联较大,影响因素的变化会改变其内部的关联关系。通过工程实例研究发现,住宅小区项目的成本主要取决于其工程特征,而工程成本的估算方式并不是简单的影响因素间的加权求和,因此,基于机器学习算法的评价手段,建立影响因素与工程成本之间的非线性映射关系,可以为实现工程成本的智能化估算提供新的方法和技术。首先,本文以往期住宅工程成本估算为研究对象,据企业内部成本管理手册,分析了不同工程特征（影响工程成本因素）的数据特点,确定特征组成及数据估算方案。其次将待估算数据分为华中区、河南区、华东区、京津翼、大湾区以及华西区6个区域对象,把15个特征因素作为影响因素对工程成本进行估算分析。本文在改进灰狼优化原理与支持向量机算法的基础上,提出一种改进灰狼优化的支持向量机（IGWO-SVM）方法。接着为了对比分析改进灰狼优化的支持向量机（IGWO-SVM）在工程成本估算过程中的优势和有效性,先基于经典的神经网络算法,包括BP人工神经网络（BP）、极限学习机（ELM）以及模糊神经网络（FNN）建立15个工程特征与工程成本之间的拟合关系,同时与经典的粒子群优化的群智能搜索方法进行对比,利用相关系数（R2）、均方根误差（RMSE）和相对误差（RC）来评价估算效果。最后,利用SVM的径向基核函数（RBF）将低维15个特征数据映射到高维空间中进行线性估算,利用IGWO改进影响SVM估算性能的两个重要参数,基于上述的R2、RMSE和RC进行估算效果的对比分析。从评价结果来看,整体上华中区、京津翼、大湾区的工程成本估算效果要优于河南区、华东区以及华西区。机器学习方法中FNN取得了最好的平均估算效果,对6个区域的整体平均估算R2为0.9470,RMSE为204.6303,RC为4.2283%;BP最差,对6个区域的整体平均估算R2为0.8919,RMSE为329.7094,RC为6.97%。而IGWO-SVM获得了最好的估算效果,对6个区域的整体平均估算R2为0.9902,RMSE为77.9165,RC为1.5833%。并基于IGWO-SVM,对工程实例的幸福里小区的工程成本进行了估算,得到了相对于实际工程成本2.39%的计算偏差。本文的研究结果表明,IGWO-SVM可以作为一种有效的智能化估算方法实现工程特征和工程成本之间的非线性拟合,为实现工程成本的提供新的方法和技术。

关键词： 密度泛函理论   哈特利-福克方法   统计机器学习   自动微分技术  

摘要： 哈特利-福克方法和密度泛函理论是量子化学和凝聚态物理中最为常用的两种计算方法。因为它们都是从量子力学的基本理论出发,并且方法中很少使用经验参数,所以也被称为第一性原理计算方法。第一性原理计算方法可以帮助我们从微观层面定量计算材料的各种物理性质,这种方式极大地加速了我们对奇异材料物理性质的探索。近些年来拓扑绝缘体和外尔半金属方法的研究进展,很大程度上依赖于第一性原理计算与实验的结合。密度泛函理论是我们研究电子结构的重要工具,现在大规模使用的一种密度泛函理论方法主要是基于1965年的Kohn-Sham方法发展而来,不过这种方法在研究原子数较多的体系时存在计算复杂度过高的问题。密度泛函理论的另外一种高效的实现方法是从1964年Hohenberg-Kohn定理发展出来的无轨道密度泛函方法,虽然经过半个世纪的发展,无轨道密度泛函理论中仍然存在一些开放性的问题,关于动能泛函表达式的研究是其中最重要的一个。在这篇文章的第二章中,我们介绍了使用机器学习方法拟合一维周期性系统动能泛函的思路。机器学习方法能够有效地从复杂的高维数据中提取出潜在的规律,被广泛应用于推荐系统、计算机视觉和自然语言处理的研究之中。我们设计的算法基于高斯过程,并且利用系统的周期性对数据进行了降维。我们经过训练得到的动能泛函不仅能够完成预测动能和动能关于电子密度的泛函导数的任务,还能够结合变分原理计算系统的基态电子密度。哈特利-福克方法是研究量子多体物理的最基本的方法,它将多体系统的量子态表示为一系列单粒子轨道的斯莱特行列式,并通过自洽迭代的方法求解这些单粒子轨道。自洽迭代方法的收敛速度较慢,虽然可以通过合适的初始化进行加速,但我们还是希望能够设计出一种具有更快收敛速度的算法。本文的第三章中,我们基于Thouless定理推导出一种参数化哈特利-福克近似下单体密度矩阵的方法。在我们设计的密度矩阵哈特利-福克算法中,我们用拟牛顿法替代了传统的自洽方法。我们设计的算法可以将一些基函数中包含的参数与单体密度矩阵一起进行优化,优化过程中需要的导数则可以通过自动微分方法由程序直接求出。

关键词： 电视剧数据   播放指数预测   随机森林   决策树  

摘要： 在互联网高速发展的时代,对电影、电视制片等产业的发展来说海量的信息数据起着十分关键的作用,通过对这些数据的分析,可以更好地针对目标群体来制作影视剧,给企业带来更高的利润.毋庸置疑,在影视产业的发展中,大数据正发挥着越来越关键的作用.目前基于大数据对于电影票房的预测研究有很多,但是电视剧播放量的预测相对较少,本文选取爱奇艺网本地电视剧的数据,利用机器学习的几个方法构建模型(多元回归模型、贝叶斯模型、SVM模型、决策树模型和随机森林模型)对电视剧播放指数进行分类预测,最终通过比较可以看出随机森林模型的预测效果最佳,正确率达到了82.53%.对播放指数进行预测对于电视剧发行商如何选择拍摄电视剧的类型、设置电视剧集数、幕后花絮发布多少;视频播放网站选择何种电视剧上映、选择营销方法;广告商们将广告投放在哪部电视剧上等等,都有着一定的参考价值.