关键词： 烃微渗漏   图像分类   机器学习   卷积神经网络  

摘要： 油气藏的烃微渗漏是一种普遍存在的现象,遥感技术为油气藏的烃微渗漏地表检测提供了高效快捷的方法.传统的基于烃微渗漏机理的方法通过检测烃微渗漏引起的地表异常(植被、蚀变矿物等)响应以提取烃微渗漏位置,方法简单,但多解性强.本文以哈萨克斯坦Marsel探区为研究对象,提出了一种基于机器学习的遥感影像烃微渗漏异常提取方法.首先以研究区地表微生物检测结果为基础制作训练样本,为了对比不同样本学习结果,分别制作了斑块样本(patch sample)数据集和像元样本(pixel sample)数据集,在此基础上采用逻辑回归、支持向量机、随机森林、LeNet、AlexNet、GoogLeNet、ResNet算法构建两类数据集的学习模型.结果表明,对于经典机器学习算法,斑块样本最高准确率达0.833,像元样本最高达0.771;对于深度学习算法,斑块样本最高达0.782,像元样本最高达0.914.最后把这准确率最高的四种算法模型应用于哈萨克斯坦Marsel探区,并与地质地震资料进行对比,发现ResNet-18-1D对像元样本的预测结果与地震地质分析资料的对应性最佳,且准确率达0.914,Kappa系数达0.892.

关键词： 京津冀   低能见度天气预报   ERA5再分析资料   机器学习  

摘要： 利用2017—2021年的ERA5再分析资料和京津冀国家站地面资料,结合多种机器学习方法建立预报模型,开展轻雾、大雾客观预报。探讨了再分析资料、地形因素的影响,并结合多模型集成、统计消空进一步优化模型。结果表明:(1)XGBoost(eXtreme Gradient Boosting)、LightGBM(Light Gradient Boosting Machine)、随机森林等集成学习方法的预报效果均优于决策树方法;(2)在引入ERA5再分析资料、地形建模后,XGBoost、LightGBM模型的预报性能显著提高。相比仅使用地面要素建模,大雾预报的TS(Threat Score)提升了30%、32%,达到0.52、0.49,命中率分别为0.62、0.87。此外,经过多模型集成后,轻雾、大雾预报的TS提升到了0.51、0.54;(3)2022年秋季一次大雾过程中,本方法提前72 h准确预报了京津冀地区的大雾,其中以LightGBM模型表现最好。0~72 h轻雾预报和0~36 h逐小时大雾预报的TS均达到0.3,预报准确率、时效性均优于ECMWF(European Center for Medium Weather Forecasting)模式。

关键词： 神经网络   模型集成   分子描述符   物理化学参数   机器学习方法   爆轰参数   分子指纹   关键领域  

摘要： 含能分子在军事和民用应用中都发挥着重要作用.传统上,确定含能分子的物理化学参数需要实验工作量且具有风险,而新兴的机器学习方法有望解决这一问题.在这项工作中,我们报道了一种分子描述符增强的图神经网络(MD增强的GNN)模型,该模型可以准确快速地预测含能分子的三个爆轰参数.该模型集成了基于序列的分子描述符和基于结构的图向量,提供了一个不需要自定义描述符的全面框架.因此,我们构建了一个包含18,991个CHNO含能分子的含能分子数据集,并将我们的模型与单一的分子指纹/描述符和GNN方法进行了比较.研究发现,我们提出的MD增强的GNN集成方法通过结合两个不同的互补特征,实现了卓越的精度,R2超过0.93,学习速度提高了20%以上,这突出了我们的模型在重塑含能分子设计格局方面的潜力,并有望在这一关键领域内大幅提高效率和有效性.

关键词： 机器学习   机器学习方法应用   推荐系统  

摘要： 随着信息技术的日益发达,互联网上信息爆炸式增长。如何让用户在海量信息中找到自己感兴趣的内容已经成为了一个亟待解决的问题。在这样的背景下,内容推荐系统应运而生。本文详细描述了基于机器学习方法的内容推荐系统的架构、算法、设计和实现,希望能够为内容推荐系统的效果带来更大程度的提升。

关键词： 显微共聚焦拉曼光谱   粉底液   分类识别   支持向量机  

摘要： 为建立一种快速检验粉底液样品的方法,运用显微共聚焦拉曼光谱和机器学习对不同品牌、色号、价格的粉底液进行分类研究。首先将收集到的50个粉底液样品的拉曼光谱数据利用Savitzky-Golay平滑和归一化算法进行预处理;其次通过主成分分析法进行特征值提取,提取前2个主成分用于后续研究;采用K-Means聚类法将50个样品分成5类,系统聚类法验证分类结果;最后以40个样品为训练集,10个样品为测试集搭建支持向量机(SVM)分类模型。结果表明在Linear核函数下的SVM模型训练集和测试集的准确率可达90%。说明该方法能够实现区分粉底液品牌和价格自动化,为公安机关物证检验、定罪处罚提供新思路。

关键词： 光伏发电功率预测   雪检测   分类算法模型优化   机器学习  

摘要： 光伏(PV)面板是光伏发电技术中广泛使用的主要可再生能源设备。由于光伏发电受天气条件影响巨大,降雪和面板积雪会极大地影响光伏面板的输出功率。如何在降雪和积雪因素影响下,预测光伏发电系统的输出功率对于电力部门完成电力调度控制十分重要。考虑到降雪和积雪因素无法直接使用具体公式表达。本文将介绍一种机器学习方法,使用SVM和KNN作为检测雪效应的分类器,将光伏发电功率预测中雪检测问题转换为分类问题。文中提出的雪检测算法在真实有记录的数据上进行了验证,通过光伏发电功率预测精度的提升评估方法的效果。

关键词： 云计算   机器学习   计算流动动力学   气流组织温度场  

摘要： 从局部离散流场数据点重构全局流场信息对数据中心机房的节能节碳具备重要的研究意义。基于局部散点对数据中心进行气流组织温度场快速重构,可有效降低数据中心总能耗。主要通过发展一种基于多特征输入的三维U形神经网络架构(U-net),利用布设在数据中心机房的温度传感器数据值进行气流组织温度场重构。并研究了在不同学习率与数据集大小的设置下,该机器学习模型的训练预测能力。对比结果表明:不同学习率对于模型训练的结果有较大影响,应通过预实验选取最佳学习率。在同等条件下,应优先选取较大的数据集进行训练,便于提取高维物理特征。

关键词： 矩阵正态分布   低秩分解   判别分析   分类预测  

摘要： 文章在矩阵正态分布下研究矩阵数据的参数估计及其分类方法。首先,基于低秩分解和矩阵正态分布的惩罚似然函数方法提出矩阵数据的参数估计和秩的自适应确定方法;其次,应用块坐标下降方法与增广拉格朗日乘子算法给出有效的迭代估计算法;然后,基于判别分析方法提出低秩分解下的分类预测规则;最后,通过大量数值模拟及卫星陆地资源数据和手写体数字的识别应用,验证了低秩估计方法对提高矩阵数据的估计和分类预测精度具有明显的效果。

关键词： 机器学习   生物医学数据   医学数据挖掘   分类器   教学实践   操作流程   具体案例  

摘要： 本文首先介绍了机器学习常用的一般操作流程、Weka软件以及生物医学数据处理的重要性。然后,阐述了如何使用Weka进行生物医学数据分析和构建机器学习模型,并提供了以糖尿病为例的具体案例来说明这些方法的应用。本文介绍的教学实践方法有助于学生直观地理解机器学习中各个重要步骤,并方便比较不同分类器效果,具备良好的教学潜力。

关键词： 表面增强拉曼散射   机器学习   生物医学  

摘要： 近年来,运用表面增强拉曼光谱(SERS)技术对生物样本检测的研究发展十分火热,尤其是结合机器学习方法的SERS技术在临床样本诊断方面的运用日趋成熟。机器学习方法是基于无监督和有监督的算法,可以解决复杂的样本和大量、高维的数据信息,在生物分析领域受到高度关注。本文介绍了SERS技术结合机器学习方法的相关应用,尤其是在生物医学领域。SERS既可以使用免标记的策略检测生物样本的指纹信息,又可以使用标记方法跟踪蛋白质等生物标志物实现间接检测。本文总结了SERS技术结合机器学习方法用于血液、尿液、组织等临床样本进行疾病诊断的最新进展。此外,本文还汇总了细胞样本及其他复杂样本SERS分析中机器学习方法运用的实例。该文综述了这一领域的最新进展,为从事SERS生物分析领域的研究人员提供可借鉴的方案。