关键词： IDH野生型胶质母细胞瘤   列线图   随机生存森林   预测模型   MGMT蛋白  

摘要： 目的建立异柠檬酸脱氢酶(IDH)野生型胶质母细胞瘤生存概率的列线图模型及随机生存森林模型。方法回顾性分析2017年1月—2020年12月在空军军医大学附属西京医院手术治疗的127例IDH野生型胶质母细胞瘤患者临床资料,进行预后因素分析并建立列线图模型及随机生存森林模型,通过C指数,校准曲线,决策曲线评价模型的区分度,校准度以及临床净获益率。结果使用Cox比例风险模型进行多因素分析发现,患者术前卡氏功能状态评分(KPS)、是否接受同步放化疗、年龄、O^(6)-甲基鸟嘌呤甲基转移酶(MGMT)蛋白表达,是独立的预后因素(P<0.05)。通过Cox回归模型建立列线图预测模型;通过R软件建立随机生存森林模型,两个模型均具有良好的区分度和校准度,随机生存森林模型的临床净获益优于列线图模型。结论建立的列线图模型及随机生存森林模型有助于临床医生判断患者特定时间点的生存概率。

关键词： 数据包络分析   机器学习   孤立森林  

摘要： 为了弥补当前试验数据包络分析方法存在的缺陷,提出并实现了一套新的数据包络分析方法。针对控制系统设计方式相同的不同飞行器多条数据一致性判断问题,采用改良后的孤立森林方法进行数据包络分析,快速找出异常电源电压数据。这种方法还可以推广到类似其他采样数据的数据包络分析场景。在此基础上开发了数据包络分析软件,并进行了多次验证试验。结果表明,提出的数据包络分析方法能有效判断出飞行器控制系统电源所涉及链路中的隐性或显性问题。

关键词： 干部容错机制   政策创新扩散   机器学习   预测建模  

摘要： 国家对于干部容错机制的诉求愈发强烈,但是近年来该政策在国内的扩散速度逐步放缓。要解决上述问题,关键在于研究干部容错机制的扩散逻辑。在政策创新扩散逻辑相关研究中,既有研究方法大多遵循“样本内解释”的思路。这使得相关研究结论的科学性,尤其是泛化能力,难以得到保证。为突破这一局限,本文采用“样本外预测”的思路来探索干部容错机制的扩散逻辑。具体来看,本文基于政策创新扩散理论构建了分析框架,使用机器学习方法训练了地方政府采纳干部容错机制的预测模型,并在确保模型预测性能的前提下呈现干部容错机制的扩散逻辑。模型解读结果表明,干部容错机制的扩散主要由行动者逻辑主导,其次是效率逻辑,最后是合法性逻辑;效率逻辑、合法性逻辑及行动者逻辑三个维度中,最具影响力的特征分别为治理规模、同级采纳和主官任期。地方政府采纳干部容错机制的概率与治理规模具有负向关系,与同级采纳具有正向关系,与主官任期具有倒U形关系。为推进干部容错机制有序发展,本文建议地方政府强化机制扩散中的领导驱动效应、科学规划干部容错机制扩散路径。

关键词： 慢性鼻窦炎   CRS   生物标志物   多组学   大数据   发病机制   多种疾病   机器学习方法  

摘要： 慢性鼻窦炎(CRS)的病因及发病机制尚未完全明确。目前多组学和大数据以其数据的多样性、易处理性等优势,已被用于探索多种疾病的发病机制和生物标志物等,多种高级机器学习方法也有助于完善CRS的精准诊疗服务,并在CRS的研究中取得了一定进展。然而,多组学数据网络的建设以及其研究成果的临床转化等,仍是制约该技术进一步发展的主要问题。本文对多组学和大数据驱动的CRS研究现状及其面临的机遇与挑战进行了论述。

关键词： 农业景观   景观破碎化   斑块属性   物种多样性   昆虫丰富度   机器学习  

摘要： 景观破碎化对物种的影响依赖于斑块属性,斑块属性体现了斑块的类型、面积、形状及其与周围斑块间关系。然而,在破碎化农业景观中这些斑块属性对关键物种的联合影响仍知之甚少。选取中国海南地区的典型农业破碎化景观,实测了180个斑块中三类关键物种,分别为害虫-橡胶材小蠹虫(Xyleborus affinis)、传粉昆虫-中华蜜蜂(Apis cerana)和天敌物种-玉米螟赤眼蜂(Trichogrammatid ostriniae Pang et Chen),刻画了各斑块属性,包括斑块类型、斑块面积、形状指数、距天然林距离、是否与橡胶接触、景观中天然林所占比例、是否有林下植物,并使用3种机器学习模型(神经网络、随机森林、支持向量机)拟合斑块属性与三类物种丰富度关系,解析斑块属性的相对重要性。结果表明,与支持向量机和神经网络相比,随机森林模型对三个物种的丰富度预测效果均最好,其R2在橡胶材小蠹虫、中华蜜蜂和赤眼蜂中分别达到0.785、0.845和0.798;基于随机森林模型的结果表明,斑块类型对橡胶材小蠹虫和中华蜜蜂丰富度相对重要性高于其他斑块属性;斑块面积对赤眼蜂丰富度影响高于其他斑块属性,且与斑块类型存在交互作用;橡胶林中橡胶材小蠹虫与中华蜜蜂丰富度高于天然林和其他斑块类型,玉米螟赤眼蜂丰富度则在天然林与农田中最高。研究揭示了斑块属性对不同物种丰富度的相对影响,阐明了斑块类型在不同物种中的重要作用,并证实了机器学习是推导斑块属性对物种影响的有效方法。

关键词： 地方本科院校   机器学习   学籍异动  

摘要： 以某地方本科院校2018级、2019级、2020级、2021级学生课程成绩为研究对象,从二级学院和全校总体情况两个角度出发,运用不同的机器学习方法分析其中隐藏的数据信息。结果显示,不同模型预测的准确率差异较大,其中LightGBM模型准确率达98%以上,且AUC值为0.811 6,说明该模型预测效果最佳。因此,将LightGBM模型应用于高校2021级学生学籍异动预测中,结果表明该模型可有效预测学生学籍异动,可为学校学籍管理提供辅助性决策意见。

关键词： 页岩气井   机器学习   相似性   时间序列   产量预测  

摘要： 页岩气井单变量产量预测存在较强的不确定性,而现场生产动态数据同时包括多个相关指标,针对如何选取合理的多变量数据对页岩气井产量进行预测,在保证计算效率的情况下提高预测精度。页岩气井的生产动态数据集包括日产气量、日产水量、套压、油压、油嘴直径、开井时间和温度等,采用欧式距离和动态时间弯曲距离对生产动态数据时间序列进行相似性度量,依据与日产气量的相关度,把数据分为强相关时间序列和弱相关时间序列;其次,基于卷积神经网络、循环神经网络、长短期记忆网络和门控神经网络分别对全时间序列、强相关序列、弱相关序列和单变量序列进行页岩气井产量预测;最后,以平均绝对误差、均方根误差和决定系数作为评价指标,得到不同序列的误差由小到大排序为强相关序列、全时间序列、弱相关序列、单变量序列,优选的机器学习方法为门控神经网络和长短期记忆网络。结果表明,采用机器学习方法结合页岩气井强相关性序列(日产气量、套压、油压、日产水量)能有效降低预测误差,提高页岩气井产量预测效果。

关键词： 店铺销量预测   图表趋势预测法   时间序列预测法   指数平滑法   机器学习方法  

摘要： 本研究旨在分析和研究店铺销量预测的方法,通过介绍一般的预测步骤,以及利用图表趋势预测法、时间序列预测法(指数平滑法)和机器学习方法建立模型对店铺销量进行预测时发现:图表趋势预测法和时间序列预测法(指数平滑法)适用于简单的销量预测,而机器学习方法在处理复杂关系和大规模数据时更具优势。因此,选择合适的方法取决于数据的特点和预测的需求。本研究为店铺销量预测提供了重要的指导和参考,帮助企业做出准确的销量预测,并为库存管理、生产计划和业务决策提供支持。

关键词： 机器学习   复合定向钻   钻进参数   岩质类型   可靠性  

摘要： 针对复杂地质条件下水利水电工程中采用传统钻探和试验方法获取岩体强度成本高、耗时长等问题,开创性将机器学习方法引入岩质类型判别中,实现对复合定向钻探岩质类型的快速判别,为地下工程围岩类别的快速划分提供支撑。依托水利水电工程超深复合定向钻关键技术研究及应用项目,结合已有地质资料,采用10种机器学习分类算法对复合定向钻钻进参数进行岩质类型判别,并详细对比分析模型判别效果。结果表明,RF、AdaBoost、CatBoost、KNN、SVM、ExtraTree表现较好,其中AdaBoost表现最佳;验证了机器学习方法在岩质类型判别上的可行性与可靠性,为后续算法选择优化提供了指导。

关键词： 机器学习   分类模型   预测   数据处理  

摘要： 本文针对分类问题,使用支持向量机、逻辑回归、朴素贝叶斯、决策树、随机森林、K近邻六个基础的机器学习分类算法,根据性别、年龄和级别等相关特征,对泰坦尼克号的乘客幸存与否进行预测,并在实验和结果中比较不同机器学习分类模型的差异、优缺点。通过实验对比,支持向量机表现出了最好的性能,在准确率、精确率、召回率和F值中都取得了较高的值,而K近邻性能表现最差。