关键词： 黄土高原   易发性评价   信息量模型   机器学习方法   InSAR  

摘要： 环境因子、气象因子与人类活动之间的相互作用,影响地表形态的变化。尤其对于黄土高原区域,在诸多因子的复杂互馈作用下易导致黄土崩滑灾害,亟需选择适用的影响因子和训练模型开展滑坡易发性评价研究。本研究以天水市为研究区,基于InSAR获取的地表形变信息,综合地形、水文、气候、生态以及人类活动等诸多影响因素,采用信息量模型(IV)分别联接到随机森林模型(RF)、决策树模型(DT)、支持向量机模型(SVM)和BP神经网络模型(BP)构建耦合模型IV-RF、IV-DT、IV-SVM和IV-BP,开展滑坡易发性评价研究。结果表明:耦合模型(IV-RF、IVDT、IV-SVM和IV-BP)的AUC值分别为0.925、0.846、0.883、0.792,IV-RF具有更强的精度。滑坡频率比IV-RF模型从极低易发分区向极高易发区逐渐递增,滑坡易发性分区结果更均匀平稳。IVRF模型具有更强的预测能力和精度,更适合黄土滑坡地质灾害易发性评价。IV-RF模型的极高、高、中、低、极低易发性区域面积占比分别为20.45%、18.28%、22.27%、16.92、22.09%,主要分布在天水市北部地质环境复杂和人类活动强烈的山地、黄土梁峁地区。岩性、坡度、土地利用、降雨、道路密度、InSAR形变在贡献率分析中排在前6位,是影响滑坡发育的主控因子。本研究旨在为黄土高原滑坡灾害的预测和防治工作提供可靠的科学依据,为滑坡易发性评价研究深化建模思路,优化独立模型评价结果不确定性问题。

关键词： 计量经济学教学   机器学习方法   大数据  

摘要： 文章基于相关文献综述,首先阐述了大数据背景下计量经济学教学现状,然后提出了大数据背景下融入机器学习方法的计量经济学教学改革策略,包括明确教学目标、优化教学内容、改革教学方法。

关键词： 甲氨蝶呤   骨肉瘤   机器学习   预测模型   排泄延迟   危险因素  

摘要： 目的:基于机器学习方法构建骨肉瘤患者大剂量甲氨蝶呤(high-dose methotrexate,HD-MTX)排泄延迟预测模型,并探索其相关危险因素。方法:回顾性收集2018年6月至2023年8月在东部战区总医院接受HD-MTX治疗并符合本研究纳入标准的80名骨肉瘤患者共255个周期数据。采用最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)方法来筛选排泄延迟相关的患者特征,分别通过6种机器学习算法构建预测模型,并使用AUC、准确率、精确率等多个指标评估模型的性能。结果:LASSO回归分析确定了10个预测特征指标,包括肌酐清除率(creatinine clearance,CrCl)、给药剂量、ALT、BMI、输注速率、水化值、MTHFR C677T基因多态性、性别、年龄、双膦酸盐合并用药情况。比较6种机器学习算法建立的模型性能指标,其中随机森林模型的预测能力最强[AUC为0.95,平均精确度(AP)0.79,准确率89.61%,精确率83.33%,召回率41.67%,F1值55.56%]。结论:采用随机森林法建立的HD-MTX排泄延迟预测模型可提高临床使用HDMTX患者的用药安全性,预防相关药物不良事件的发生。

关键词： 机器学习   分类与回归树决策树算法   早产儿宫外生长迟缓   风险预测模型  

摘要： 目的探讨影响早产儿宫外生长迟缓(EUGR)的独立危险因素,并基于机器学习运用分类与回归树(CART)决策树算法构建早产儿EUGR风险预测模型。方法选取2021年1月至2023年12月广州市花都区人民医院收治的209例早产儿的临床资料,进行回顾性分析。根据是否发生EUGR分为非EUGR组(181例)和EUGR组(28例)。比较两组早产儿临床资料,采用多因素Logistic回归模型分析影响早产儿EUGR的独立危险因素,采用SPSS Modeler软件运用CART决策树算法构建早产儿EUGR风险预测模型,绘制受试者操作特征(ROC)曲线分析预测模型的诊断效能。结果两组早产儿性别、出生时胎龄、出生时体质量、分娩方式、胎数、出生1min后Apgar评分、出生时身长、孕期用药、受孕方式、妊娠高血压、妊娠糖尿病、妊娠甲状腺疾病、肠内营养开始时间、总住院时间、呼吸窘迫综合征(NRDS)、动脉导管未闭(hsPDA)、喂养不耐受、新生儿贫血比较,差异均无统计学意义(均P>0.05)。EUGR组早产儿小于胎龄儿、累计禁食时间>3 d、进行有创机械通气、存在支气管肺发育不良(BPD)、发生败血症、发生坏死性小肠结肠炎(NEC)占比均高于非EUGR组(均P<0.05)。多因素Logistic回归分析结果显示:小于胎龄儿、累计禁食时间>3d、进行有创机械通气、存在BPD、发生败血症均为影响早产儿EUGR的独立危险因素(均P<0.05)。ROC曲线分析结果显示:早产儿EUGR的CART决策树算法风险预测模型的曲线下面积(AUC)为0.834,高于Logistic回归风险预测模型的0.803,CART决策树算法风险预测模型的预测效能更优(Z值=4.864,P<0.05)。结论小于胎龄儿、累计禁食时间>3 d、进行有创机械通气、存在BPD、发生败血症均为影响早产儿EUGR的独立危险因素。早产儿EUGR的CART决策树算法风险预测模型具有较高的临床实用性,可详细分析某预测变量在不同亚群中的影响,为预测早产儿EUGR提供一定参考。

关键词： 检验检测   乙醇汽油   红外光谱  

摘要： 为了解决乙醇汽油国标检测项目中传统的以气相色谱为主的检测方法存在的速度慢、流程繁琐和仪器维护成本高等问题,本文提出了一种基于小样本机器学习的乙醇汽油近红外光谱快速分析方法。在建模过程中,巧妙地使用UVE特征提取算法来提取与待测物质相关的复杂近红外光谱中的特征吸收峰,从而大幅降低后续建模所需样本数和难度。根据实验结果,在真实乙醇汽油样本检测中,该方法得到的模型预测结果与气相色谱标准测试结果之间绝对误差不超过0.3,相对误差不大于10%。这种方法有效地解决了一般化学计量学多元校正方法建模工作量大、模型稳健性差等问题,对于开发适用于现场油品快速检测并加强我国汽油质量监管力度具有重要意义。

关键词： 冻雨   自动识别   机器学习   随机森林   毫米波云雷达  

摘要： 现行气象观测业务中尚缺乏对冻雨天气现象的自动监测,研究引入随机森林机器学习方法,利用Ka波段毫米波云雷达的观测数据,建立了冻雨现象的自动识别方法,为弥补观测业务中冻雨的自动识别和连续观测的缺乏提供一种可能。研究首先分析了2024年2月武汉地区的2次雨雪冰冻天气过程中不同降水现象(雨、冻雨、雪和雨夹雪)的Ka波段毫米波云雷达的回波强度、偏度值的分布特征,发现在数值范围和垂直高度分布上存在显著差异,由此确定回波强度、偏度及近地面气温作为识别变量。针对武汉地区、贵州地区多个雨雪冰冻过程分别建立RF机器学习方法的冻雨现象自动识别模型,经训练和验证计算,测试识别准确率(A _(cc))均超90%、冻雨命中率均超80%,使用独立的冻雨实例进行检验,检验A _(cc)可达到80%。与现行观测业务中电线积冰人工观测比较,该方法可以自动连续地识别分钟级冻雨现象,具备业务应用可行性。由于冻雨发生时的毫米波云雷达回波强度和偏度的地域特征明显,需要使用不同地区的冻雨样本数据建立针对不同地区的识别模型,扩充样本和优化模型参数及指标,可以进一步提升该方法的识别准确率,降低虚警率。

关键词： 臭氧(O_(3))   机器学习   XGBRegressor   河南省   小时浓度预报  

摘要： 臭氧(O_(3))是目前影响我国城市地区空气质量的主要污染物。作为全国重要的综合交通枢纽和人流物流信息流中心,河南省非常有必要持续提高环境空气O_(3)的预报准确性。为进一步提升河南省多城市O_(3)污染的预报准确率,优化其预报时长和效果,该研究基于机器学习方法,利用2017−2021年地面实测污染物数据和逐6 h GFS(Global Forecast System)气象场预报数据,对河南省9个城市(郑州、开封、洛阳、平顶山、安阳、焦作、三门峡、信阳、周口)训练O_(3)浓度预报模型,对2023年夏季(6月、7月)O_(3)浓度进行每日迭代7 d的预报,并定量评估模型预报效果。结果表明:①训练的O_(3)预报模型对河南省9个城市未来7 d O_(3)逐小时浓度的预报效果较好,与观测值的相关系数(r)最高可达0.91。郑州市提前1、2、3 d的O_(3)浓度日最大8 h平均值(O_(3)MDA8)预报值与观测值的r分别达到0.85、0.84、0.84,较现有研究具有更优的预报效果。②模型对9个城市O_(3)的预报表现有所差异,对河南省两个边界城市(信阳市和三门峡市)的预报效果较好,其提前6 d的O_(3)MDA8浓度预报值的均方根误差(RMSE)保持在27μg/m3左右,平均相对误差(MRB)保持在18%左右;但对于在夏季O_(3)浓度受省外传输和偏南风影响较大的安阳市,则预报效果较差。③模型提前1~3 d的预报效果较好,提前4~7 d的预报效果变差;且模型对每日14时O_(3)小时浓度(即13:00−14:00平均浓度)的预报效果较O_(3)MDA8差。④O_(3)MDA8处于0~100、100~160、160~215、215~265μg/m3时,模型提前1 d预报的MRB分别为21.65%、13.63%、9.63%、12.81%,具有较高的精确度。研究显示,基于大气主要污染物同步迭代的机器学习预报方法可为河南省各城市提供未来7 d及时且准确的O_(3)预报,实现区域性O_(3)污染事件的及时预报预警。对于预报效果较差的城市,期望未来通过增加其他O_(3)前体物数据、使用更高时空分辨率的气象预报数据、更深入地综合气象特征以改进模型,进一步提高预报精度。

关键词： 冠状动脉狭窄   血流储备分数   CT血管成像   机器学习  

摘要： 目的:以侵入性血管造影测得的血流储备分数(FFR ICA)为参考标准,探讨基于机器学习方法测得的心室舒张期和收缩期冠状动脉狭窄段CT血流储备分数(CTFFR)及跨狭窄段CTFFR差值(ΔCTFFR)对心肌缺血的评估价值。方法:使用第三代双源CT机对55例冠心病患者进行冠脉CTA检查,使用基于机器学习方法的CTFFR测量软件,分别基于心室舒张期和收缩期冠脉CTA数据测量冠脉狭窄病变处的CTFFR(分别称为dCTFFR和sCTFFR),并计算其近端与远端CTFFR的差值(ΔdCTFFR和ΔsCTFFR)。采用Pearson相关分析探讨dCTFFR和sCTFFR与FFR的关系。以同期测得的FFR ICA≤0.80作为参考标准,分别评估dCTFFR、sCTFFR、ΔdCTFFR和ΔsCTFFR对狭窄血管所致心肌缺血的诊断准确性。结果:55例患者共68支冠状动脉血管ICA诊断有狭窄病变(其中11例患者为多支血管狭窄),其中44支血管狭窄处FFR≤0.80、24支FFR>0.80。①dCTFFR与FFR的相关性良好(r=0.656,P<0.001),sCTFFR与FFR呈中度相关(r=0.457,P<0.001)。②在血管水平,以FFR≤0.80作为参考标准,dCTFFR的诊断效能优于sCTFFR(AUC分别为0.813和0.700,P=0.025),且ΔdCTFFR的诊断效能也优于ΔsCTFFR(AUC分别为0.833和0.742,P=0.027)。③在24支非缺血性狭窄病变(FFR>0.80)中,ΔdCTFFR和ΔsCTFFR假阳性诊断率(均为25.00%)均小于dCTFFR(54.17%)和sCTFFR(45.83%);在12支“灰区”狭窄病变(0.75≤FFR≤0.80)中,dCTFFR和ΔdCTFFR的假阴性诊断率(分别占16.67%和占25.00%)均小于sCTFFR(50.00%)和ΔsCTFFR(66.67%);对于32处严重缺血性狭窄病变(FFR<0.75),dCTFFR和ΔdCTFFR的假阴性诊断率分别为3.13%和12.50%,小于sCTFFR(15.63%)和ΔsCTFFR(21.88%)。结论:基于机器学习CTFFR测量技术获得的dCTFFR与侵入性FFR的相关性高于sCTFFR。与sCTFFR或ΔsCTFFR相比,dCTFFR和ΔdCTFFR的诊断效能更高,在评估血管狭窄所致心肌缺血时应作为首选指标。

关键词： 滑坡   东南山地丘陵区   InSAR   易发性评价   机器学习方法  

摘要： 东南山地丘陵区因其特殊的气候条件与地质环境导致滑坡灾害具有群发性、突发性的特点。而现有的滑坡易发性评价方法多考虑静态的评价因子,无法反映东南山地丘陵区滑坡的动态特征。因此,需结合动态因子提高评价结果的时效性。文中以东南山地丘陵区的大田县为研究区,选取坡度、坡向、地表起伏度、地层岩性、归一化植被指数以及年均降雨量6个评价因子,通过信息量(information value,IV)模型与逻辑回归(logistic regression,LR)模型、随机森林(random forest,RF)模型进行滑坡易发性建模并进行合理性检验与精度检验。利用SBAS-InSAR技术反演研究区地表形变速率,结合滑坡易发性区划结果构建动态评价矩阵实现研究区的滑坡易发性动态评价。结果表明,随机森林模型的受试者工作特性(receiver operating characteristic,ROC)曲线下面积(area under curve,AUC)值最大(0.851),可用此方法进行东南山地丘陵区的滑坡易发性分区。在已知的滑坡中,13处滑坡稳定性较差,83处滑坡稳定性一般,150处滑坡较为稳定。通过绘制稳定性较差滑坡的时间序列形变曲线发现,东南山地丘陵区影响滑坡稳定性的主要因素为季节性降雨。

关键词： 机器学习   神经网络   物理信息   深度能量法   应力分析  

摘要： 采用机器学习结合计算力学分析了带孔薄板的应力问题,其中数据驱动神经网络依赖于输入数据,通过学习数据中的模式来进行预测。物理信息神经网络通过嵌入平衡方程,提高了准确性和泛化能力。深度能量法根据最小势能原理构造损失函数,计算效率和准确性明显更优,给出了其在双向均匀拉伸和非均匀拉伸下的Von Mises应力和误差云图,误差不超过5%。与机器学习的交叉有力地促进了计算力学研究范式的创新,并不断拓展其深度和应用范围。