关键词： 流感预测   机器学习   多源数据融合   长短时记忆网络   时空图神经网络  

摘要： 流感作为一种传播速度快、影响范围广且易引发并发症的具有高度传染性的急性呼吸道疾病,尤其威胁老年人等高风险人群的健康。因其疫情爆发的突发性和不确定性,对公共卫生安全产生重大挑战。为此,精确预测流感疫情走势,并据此及时调整医疗资源配置、制定合理的疫苗接种方案及实施有效防控措施显得极为迫切和重要。然而,流感的传播受多种因素影响,单一的数据来源往往难以全面揭示这些动态且复杂的交互关系。相比之下,多源数据融合能够提供更多维度的信息,有助于减少预测中的不确定性。同时,机器学习算法能够从海量历史数据中自动挖掘潜在规律,并适应不断变化的数据环境。因此,本文以多源数据融合和机器学习技术为基础,针对流感预测问题进行了深入的探索,主要研究内容如下: (1)本文首先对流感预测的重要性和研究现状进行了概述,探讨了国内外各类代表性模型以及存在的问题。通过梳理相关文献和研究成果,认识到流感预测在公共卫生领域具有极其重要的地位,精确的预测结果能够为政策制定者提供科学依据,从而有效应对流感疫情的爆发。在此基础上,进一步基于实际流感数据,从不同角度对区域级流感预测进行了探索。 (2)针对中国境内小地理单位流感预测的过程中,传统方法通常受限于仅利用本地历史数据进行预测,而忽视了区域间流感传播的动态效应的问题,以及在对长短期记忆网络(Long Short-Term Memory,LSTM)进行参数优化时所面临的高耗时和低效率的挑战,提出了一种采用蜣螂优化算法(Dung Beetle Optimization algorithm,DBO)优化LSTM的多区域协同流感预测方法(MRC-DBO-LSTM)。该方法首先针对预测目标区域,运用皮尔逊相关系数来系统地识别与其流感疫情具有显著关联性的其他区域;其次,通过LSTM的门控机制来智能加权不同区域数据的重要性;最后,为进一步提升模型性能,采用蜣螂优化算法对LSTM网络的关键超参数进行自动寻优。实证研究显示,MRC-DBO-LSTM模型在山西省流感预测中,通过跨区域联合预测体现出明显优势,比传统方法更精确且实用,有力证明了该模型在捕捉和处理传染病时空关联数据上的高效性和先进性。 (3)针对目前的流感预测方法在空间信息处理和预测精度方面的不足,提出了一种融合多源数据的时空注意力图卷积流感预测方法(FM-STAGCN)。该方法创新性地将流感数据转换为具象化的图结构,并通过构建一个时空注意力卷积块,深入挖掘数据的时间和空间依赖特性;考虑到气象因素对流感发生的重要影响,将区域内的气象数据做上述同样操作;随后,FM-STAGCN模型将这两种来源的数据经过特征融合后再次送入时空注意力卷积块中。通过对整体数据的时空特性的深度挖掘与传播,显著提升了模型对流感疫情特征的理解与刻画能力。实证研究运用FM-STAGCN模型针对山西省流感趋势进行了验证,该模型展现出了出色的模拟与预测能力。特别是在考量区域间相互作用及动态气象因素时,模型预测结果与实际情况高度一致,显著提升了预测准确性。

关键词： 动脉瘤性蛛网膜下腔出血   病前高血压   预后影响因素   临床模型   XGBoost机器学习模型   可解释性机器学习模型   SHAP  

摘要： 目的:第一部分:高血压被认为是影响颅内动脉瘤破裂的一个强烈风险因素,病前高血压通常影响了动脉瘤性蛛网膜下腔出血(a SAH)患者的功能预后严重程度。然而,在a SAH合并病前高血压患者的队列中,影响预后的风险因素仍不明确。因此,我们旨在开发并验证一个预测模型,以早期评估预后不良的风险。第二部分:准确预测a SAH合并病前高血压患者的预后对于个性化治疗至关重要。在这项研究中,我们试图使用SHAP(SHapley Additive ex Planations)可解释性机器学习方法为a SAH合并病前高血压患者开发了一个可解释的预后预测机器学习模型。 方法:第一部分:选取了630名符合条件的a SAH合并病前高血压患者,在2018至2021年间的496例为训练队列构建预测模型,并选取了2022年的134例为测试队列对模型进行外部验证。主要结局指标是a SAH后1年随访的预后不良(m RS评分3-6)。使用多变量逻辑回归筛选独立预测因子。受试者工作特征曲线下面积(ROC-AUC)、校准曲线和Hosmer-Lemeshow检验p值作为评估模型的性能指标。第二部分:研究方法与第一部分相同直到构建机器学习模型,采用机器学习算法,包括XGBoost、Ada Boost、GBM、MLP、NN、LR和RF模型,开发了a SAH合并病前高血压患者不良预后的预测模型。选择最优模型进行SHAP分析。 结果:第一部分:观察到200名患者预后不良。在训练集中使用LASSO和逻辑回归筛选出6个预测因子,包括年龄、手术方式、WFNS分级、再出血、脑积水和迟发性脑缺血(Delayed cerebral ischemia,DCI)。构建了动态列线图(http://127.***.0.1:7730),具有优越的预测准确性(AUC=0.901,95%cl:0.872-0.929)和校准性能良好(Hosmer-Lemeshow检验p=0.2866)。测试集的结果仍然一致(AUC=0.919,95%cl:0.837-0.941)。第二部分:我们通过随机森林Boruta分类算法筛选预测变量:年龄、手术方式、WFNS分级、Hunt Hess分级、m Fisher评分、再出血、脑积水和DCI,并基于这些变量构建了7个机器学习模型:XGBoost、Ada Boost、GBM、MLP、NN、LR和RF。与Ada Boost模型的AUC=0.897(95%CI:0.842-0.952)、GBM模型的AUC=0.927(95%CI:0.880-0.975)、MLP的模型AUC=0.915(95%CI:0.859-0.971)、NN模型的AUC=0.931(95%CI:0.878-0.984)、LR模型的AUC=0.929(95%CI:0.874-0.983)和RF模型的AUC=0.929(95%CI:0.879-0.929)相比,XGBoost模型表现出优越的性能,AUC=0.935(95%CI:0.893-0.976)。通过SHAP分析确定的主要预后特征年龄大于65岁,WFNS分级Ⅳ和Ⅴ级、Hunt Hess分级Ⅲ-Ⅴ级、改良Fisher评分Ⅲ和Ⅳ级、DCI、再出血和脑积水与不良预后风险增加之间的显著关联,而血管内栓塞治疗使预后预测更为良好。此外,SHAP力图可视化了个体预后预测。 结论:在本研究中,找到了a SAH合并病前高血压患者的独立预后因素,并开发了动态预测模型。在线使用可以更便捷地帮助临床医生为患者制定个性化治疗决策,以改善预后。同时,证明了机器学习技术在a SAH合并病前高血压患者预后预测中的潜力。通过SHAP分析确定的预测特征增强了模型的可解释性,并为临床决策提供了指导。

关键词： 机器学习   分子模拟   人工神经网络   随机森林   胺类抗氧剂  

摘要： 润滑油对机械部件运转起到不可或缺的作用,但受工作条件下氧气、高温、高压等环境影响,容易发生氧化,造成性能失效。常通过在润滑油中添加抗氧剂来延迟氧化过程。胺类抗氧剂因在高温条件下仍具有高活性而备受关注。本课题采用分子模拟与实验结合的方法对二苯胺类抗氧剂/酯类润滑油的热氧老化机理进行研究,分析化学老化和物理老化过程并探讨其老化的微观机理,对比实验结果,总结不同胺类抗氧剂对润滑油热氧老化性能的影响规律。将分子模拟和机器学习结合,深入研究基团种类、组合方式、取代位点等对抗氧化活性的影响,为设计二苯胺类抗氧剂提供理论基础。内容如下: （1）采用分子模拟与实验相结合的方法对三种烷基化二苯胺抗氧剂(4,4′-二甲基二苯胺（DMDPA）、4,4′-二辛基二苯胺（ODA）和4,4′-二壬基二苯胺（T558）)加入到三羟甲基丙烷三油酸酯（TMPTO）的体系中抗氧剂的扩散行为、迁移率和O2的渗透性进行研究。结果表明,TMPTO与T558间的溶解度参数（δ）差值最小,显示出最佳相容性;模拟三种温度（298、373和423 K）下抗氧剂的扩散性和结合能(Ebinding),发现T558在TMPTO中表现出最低迁移率,与TMPTO的Ebinding最大;O2在TMPTO/T558体系中的渗透性最低;T558的氢键解离能（BDE）值最小（200.67 k J/mol）,预示其具有最好的清除自由基能力。采用实验制备出与模拟等摩尔的三种抗氧剂的润滑油样品。采用压差扫描量热分析测得TMPTO/T558体系的氧化起始温度（OOT）为195.42℃,与纯TMPTO的OOT值（140.97℃）差距最大,表现出最佳的抗氧化性能;自由基清除实验的结果表明,T558具有最高的清除自由基活性,这与上述模拟BDE的结果一致。综合分析可知,相对分子质量较大、胺基对位烷基链较长的T558表现出更好的抗氧化性。 （2）以骨架结构为基础,采用穷举法模拟96个二苯胺类抗氧剂。通过模拟计算了抗氧剂的BDE、δ、Ebinding,用量子力学模拟出抗氧剂的BDE并分析,总结影响抗氧化活性的化学因素;通过分子动力学模拟,得到抗氧剂的δ和Ebinding,从物理因素探讨了基团类型和取代位置对抗氧化性能的影响。确定了划分96种抗氧剂的基团划分方案,性能参数和划分结果构成了机器学习数据集。采用人工神经网络模型,预测值与真实值的相关系数（R）>0.84,BDE的平均相对误差（ARE）<4.53%、δ的ARE<1.21%、Ebinding的ARE<14.76%。随机森林模型的结果表明烷基有利于提高抗氧剂的性能。此外,骨架结构的4号取代位是提高抗氧剂活性的最佳位置。提出了一种潜在有效的二苯胺抗氧剂结构,其抗氧化参数与骨架结构相比,BDE降低了1.18%,δ降低了6.11%,同时,Ebinding上升了83.44%,具有较好的抗氧化性能。结果表明,分子模拟和机器学习相结合的方法可以为新型抗氧剂的分子设计提供理论支撑和创新应用。

关键词： 机器学习   控制性卵巢刺激   拮抗剂方案   促卵泡生成素   孕酮  

摘要： 目的:不孕症是一种低生育率疾病,其发病率较前明显增高,其最有效的治疗方式为辅助生殖技术（Assisted Reproductive Technology,ART）,其关键步骤为控制性卵巢刺激（Controlled ovarian stimulation,COS）,该过程影响因素众多,其成功与否直接关系到获取成熟卵母细胞的质量及数量。本文旨在建立并验证COS中患者取卵数预测模型,同时应用国产Keaser6600检测结果对开发模型的预测能力和泛化能力进行验证。 方法:本研究分为两部分。第一部分,取卵数在COS中的预测模型的训练与验证:收集2021年～2022年中国医科大学附属盛京医院生殖中心应用拮抗剂方案继发不孕患者信息1797例,按照纳入、排除标准筛选出1236例进行分析,选取了42个特征作为备选预测因子,应用15种机器学习方法进行模型训练及十折交叉验证,模型建立后应用外部验证进行模型评价。第二部分,对国产康润Kaeser 6600检测系统促卵泡生成素（follicle-stimulating hormone,FSH）、促黄体生成素（luteinizing hormone,LH）、雌二醇（estradiol,E2）、孕酮（progesterone,Prog）进行性能评价,并对开发模型的预测能力和泛化能力进行验证:应用患者废弃样本对Kaeser 6600检测系统FSH、LH、E2、Prog精密度、可报告范围、正确度进行验证,其中正确度以贝克曼DXI800发光分析系统为参照选择覆盖国产系统分析测量范围的170例标本进行验证,并进行两系统相关性分析;招募18岁～65岁健康成年女性志愿者,按照纳入、排除标准,将其分为绝经期组与育龄期组,其中育龄期女性根据月经周期分为卵泡期（月经期2～5天）亚组、排卵期（B超监测优势卵泡直径≥16mm）亚组、黄体中期（排卵后到下次月经来潮前的中间时段）亚组,应用康润公司Kaeser6600发光分析系统进行检测,建立辽宁地区女性国产检测系统FSH、LH、E2、Prog的参考区间;进一步应用性能评价通过的康润公司Kaeser 6600检测系统,检测外部验证集中患者血清FSH、LH、E2、Prog,并将结果带入预测模型,进行预测值计算,评价所开发模型的泛化能力。 结果:应用多种机器学习方法建立排卵数预测回归模型,其中多层感知机回归（Multilayer Perceptron Regression,MLP Regression）的评价指标最佳,内部验证集R2为0.740,外部验证集R2为0.772。国产康润Kaeser 6600检测系统FSH、LH、E2、Prog试剂精密度、可报告范围、正确度均通过验证,并建立了辽宁地区育龄期女性不同生理周期及绝经期女性以Kaeser 6600发光分析系统为平台的FSH、LH、E2、Prog的参考区间共16个。两种系统在该4个项目中展现出了较高的相关性,FSH、LH、E2、Prog的决定系数R2分别达到0.96、0.96、0.95、0.72,说明两种系统在分析测量范围内存在较强的线性关系。同时应用国产康润Kaeser 6600检测结果进行取卵数的预测,预测值与真实值、DXI800检测结果预测值均无显著差异,且呈显著线性相关,其R2分别为0.680、0.888。 结论:应用多层感知机回归对COS后取卵数预测建立的模型在训练数据集、验证数据集及国产系统检测数据集上均表现出较高预测准确性和稳定性。Kaeser6600发光分析系统及配套试剂性能均通过验证。健康女性不同月经周期的FSH、LH、E2、Prog项目在两系统上多有差异,并应用本地区人群建立了新的参考区间。

关键词： DFT   机器学习   二维材料   吸附能   固态储氢  

摘要： 在碳中和战略的推动下,氢能作为替代化石燃料的关键方案,在轻工产业的绿色制造和可再生能源系统构建中发挥着至关重要的作用。目前,储存和运输环节的挑战限制了氢能产业的发展。本研究聚焦于二维固态储氢技术,该技术以其高比表面积、稳定的结构、可调节的界面和高安全性而被认为是解决储存问题的有效方法。传统的实验试错方法耗时耗材,因此本研究结合密度泛函理论（DFT）和机器学习（ML）,深入研究了影响二维储氢材料（碳基材料和MXenes）氢吸附性能的关键因素,并对体系的储释氢机理进行深入分析。具体研究工作如下: （1）碳基储氢材料氢吸附能预测模型构建。利用物理本征特征和DFT中间变量构建了小数据集的氢吸附模型。极值梯度提升（XGB）和随机森林（RFR）算法有较好的训练效果,在训练集/测试集上的R2分别为0.94/0.92和0.88/0.87。进一步通过DFT计算了不同金属修饰的缺陷石墨烯体系的连续吸附能(Eco),对上述两种模型的准确性进行验证。RFR算法有更低的MAE,对未知数据有更强的泛化性。储氢体系电子性质分析得到,氮（N）原子掺杂碳基材料会促进体系中过渡金属M向氢分子转移更多电子,增强了体系的Eco。最后,通过符号回归（SR）算法将关键特征与目标值Eco进行公式化拟合,以建立其数学关系。结果显示,描述符EA、χ和n（e+1）/e可用于表征体系Eco,利用缺陷石墨烯体系的DFT计算数据进一步验证了这些公式的准确性。 （2）过渡金属修饰双层石墨烯储氢体系的构建。创新性地将单层双空位缺陷石墨烯和双层石墨烯进行结合构建双层双空位缺陷复合型石墨烯（BDVG）,进一步采用Ti原子进行改性得到Ti-BDVG（Ti）-Ti储氢结构。对Ti-BDVG（Ti）-Ti进行了内外层储氢性能分析,包括连续平均吸附能和可逆储氢容量,以及储氢机制的探讨。4.4 wt%的可逆储氢容量展示了该材料优异的储氢效率。 （3）双层MXenes（M12X1—M22X2）储氢材料氢吸附能ML预测模型构建。研究了只利用物理本征特征（无DFT计算变量）对M12X1—M22X2内部三种吸附方式下的氢吸附能进行预测。梯度提升回归（GBR）和RFR算法在化学吸附/物理吸附模型中的R2分别为0.957/0.946和0.952/0.935。进一步分析表明,层间距较小的MXenes体系中,类似纳米泵的辅助机制显著增强了其Kubas吸附作用,从而强化了对氢气的吸附能力。利用SR算法指导了氢吸附描述符的设计,确定了两个描述符（χ/M1）×（r/M2）2和（r/M2）3÷（m/X1）可分别准确预测MXenes结构中的化学氢吸附能和Kubas氢吸附能。 （4）双功能储氢材料（MX-G-MX）概念提出及结构构建。基于过渡金属修饰单层多孔石墨烯具有催化作用,构建了晶格失配率为5%的Ta2C-G（Ti）-Ta2N高效吸放氢材料。对体系进行了三次氢注入,第一次注入的9个H2分子被解离为H原子化学吸附在Ta2C（N）上,每个H原子分别得到0.58个电子。另外4个H2分子被Kubas作用吸附在G（Ti）周围。第二次和第三次一共注入40个H2分子,其中Kubas吸附和物理吸附的H2分子比例为1:3。之后利用AIMD分子动力学验证了 G（Ti）的化学释氢催化作用。 总之,本研究深入探讨了二维储氢材料中多种储氢机制的耦合共存。通过机器学习算法和构建描述符的双重筛选方法,不仅提高了储氢性能的预测准确性,也为后续高效二维储氢材料的实验合成提供了理论基础。

摘要： 摘要 目的 水肿是伽玛刀放射外科手术（GKS）治疗脑膜瘤病人的并发症，可导致各种后果。旨在构建基于影像组学的机器学习模型，以预测GKS后水肿的发展。方法 该研

关键词： 大跨桥梁   结构健康监测   相关性   状态诊断   机器学习  

摘要： 我国拥有世界上数量最多且规模最大的城市和城市群,它们作为社会繁荣与经济发展的重要载体,在其中扮演着举足轻重的角色。大跨桥梁作为这些城市和城市群的关键部分,对区域经济发展至关重要。然而,这些桥梁结构在长期的运营过程中,常常暴露在恶劣的自然环境中,并承受着荷载的反复作用,从而导致其性能逐渐下降,可靠性降低,甚至可能引发严重的安全事故,对区域经济的持续健康发展构成了巨大的威胁。因此,大跨桥梁的健康诊断和状态评估问题已引起全球范围内的广泛关注。 结构健康监测技术通过安装在桥梁结构上的多种类型传感器,实时监测荷载作用与结构响应等各类信息,为桥梁的安全性、实用性和耐久性提供了强有力的保障。当前,传统方法通过基于动力反演提取的模态参数的变化推断结构状态的变化国,然而由于存在观测噪声,模型和材料参数的不确定性,不完备的监测数据,导致反演方程不适定,同时可观测的低阶模态通常对环境敏感而对损伤不敏感,难以识别结构的局部损伤,传统的健康诊断方法遭遇瓶颈。结构响应监测数据是荷载与环境作用及结构模型(或物理参数)的函数,因难以监测完备的结构荷载与环境作用,因此,从监测的结构响应数据分离荷载和环境作用与结构模型/物理参数,从而提取结构模型/物理参数并进行健康诊断,是结构健康监测领域基础科学问题。本文提出在高维空间分析桥梁结构响应监测数据的相关性,揭示监测数据高维空间相关模式提取结构模型/物理参数(显式或隐式)的机理,建立基于桥梁结构响应监测数据相关性的健康诊断方法。 本文的主要研究内容如下: 研究基于静力响应分布相关性的大跨桥梁状态诊断原理与方法。首先将车辆荷载分布建模成能体现车流量变化的由狄拉克函数和车重分布组合而成的分布模型,其次基于概率论和数理统计推导出车辆荷载分布和响应分布间的关系,然后基于实际的车重数据得到车重分布基本保持不变的结论,最后基于不变的车重分布推导出响应分布间的关系只与结构有关,提出了基于静力响应分布间相关性的状态诊断方法,利用某大跨斜拉桥的应变数据和另一大跨斜拉桥的索力数据对方法进行了有效验证。 研究基于静力响应分布相关性的大跨桥梁状态诊断机器学习方法。基于第二章中大跨桥梁静力响应分布间的相关性,利用生成对抗网络中的StarGAN模型,只需要训练一个生成器就可实现多种静力响应分布相互转换。以一种响应分布和想要转换的分布所对应的标签作为输入,通过生成器生成该响应的分布,实现桥梁结构静力响应分布相互预测,学习两种响应分布间的相关性。以某座斜拉桥的监测的索力挠度和应变数据对该模型的有效性进行了验证。 研究基于动力响应均方值相关性的大跨桥梁状态诊断原理与方法。首先基于累积车辆荷载的滤过泊松过程将车辆荷载建模成两个相互独立随机过程的乘积,其次基于结构随机振动推导出在这种车辆荷载随机过程模型作用下结构响应的随机过程,最后基于不变的车重分布保证平稳随机过程的存在,推导出动力响应间的相关性,提出了动力响应相关性的状态诊断方法,利用有限元数值模拟以及某斜拉桥和某悬索桥的加速度数据对方法进行了有效验证。 研究考虑动静力响应相关性基于StarGAN模型的大跨桥梁状态诊断机器学习方法。第四章中动力响应的均方值间存在于结构相关的相关性推测动力响应分布存在和静力响应分布类似的相关性,同样采用StarGAN模型将静力响应分布和动力响应分布作为模型的输入,学习动静力响应间的相关性。以某座斜拉桥的监测的索力、加速度、挠度和应变数据对该模型的有效性进行了验证,并且表明动力响应分布间同样存在与静力响应分布类似的相关性。

关键词： 共同富裕能力指数   逐层纵横向拉开档次法   脱贫攻坚政策   多时点DID模型   机器学习方法  

摘要： 2020年我国832个国家级贫困县全部退出贫困序列,标志着全国脱贫攻坚任务的完成。全面脱贫的完成虽意味着我国解决了长久以来的绝对贫困问题,但这并不是实现共同富裕的终点,而是其迈向新征程的起点。新时期我国将进一步落实巩固拓展脱贫攻坚成果同乡村振兴有效衔接政策,打好相对贫困的“持久战”,进一步促进共同富裕目标实现。有学者指出要在高质量发展中推进共同富裕,就必须重视落后地区的内在发展动力和能力建设,而原国家级贫困县虽然已经退出贫困序列,但其仍是我国实现共同富裕目标的薄弱环节。为了解各原国家级贫困县现有富裕水平和潜在发展能力,从而更好地采取因地制宜的策略,以实现共同富目标,就需要测度原国家级贫困县共同富裕能力并进行时空特征分析。 本文首先运用DF-LVHSD-BP复合方法,基于人地关系地域系统理论,选取19个指标,对2013-2020年间628个原国家级贫困县的共同富裕能力指数进行了测度。通过时间二次加权的TOWA-GA算子,对各县共同富裕能力的综合评价值进行计算,并分析其排名与GDP排名的一致性,以揭示原贫困县经济水平与共同富裕能力之间的关系。研究结果显示,整个考察期内,全国原贫困县的共同富裕能力均值呈现逐年上升趋势,从2013年的1.3805增长至2020年的1.5055,增幅达到9.05%,年均增长1.29%。此外,研究还发现,GDP排名较高的地区往往共同富裕能力排名更高,属于共同富裕能力“超前型”贫困县;而GDP排名较低的地区则共同富裕能力排名更低,属于共同富裕能力“落后型”贫困县。这主要是因为在经济发展尚不充分的贫困县,之前的县域扶贫工作往往以GDP增长为主要目标,难以顾及共同富裕要求的其他方面,导致其共同富裕能力排名落后于人均GDP排名。 其次,本文根据东中西三大区域将原贫困县按其省份所属区域进行归类,并运用空间Dagum基尼系数法、核密度估计法以及马尔科夫转移概率矩阵,对原贫困县共同富裕能力的时空特征进行了深入分析,并探讨了脱贫攻坚政策下原贫困县共同富裕能力等级变动及其脱贫变化路径。基于基尼系数的研究结果显示,三大经济区域中的原贫困县共同富裕能力总体差异较大,但在考察期内呈现逐年下降趋势,年均降低2.09%。具体来说,区域内差异较为稳定,而区域间差异和超变密度差异分别呈U型与S型变化趋势,到2020年时区域内差异和超变密度差异成为总体差异的主要来源,而区域间差异占比则相对较小。从核密度分布曲线来看,各区域共同富裕能力整体上呈现右移状态,但中部地区因受疫情影响产生较大回落,同时各区域内共同富裕能力逐渐均衡化,差异整体减小。此外,通过马尔科夫概率转移矩阵还发现各原贫困县共同富裕能力具有一定的稳定性,主要在相近等级之间转移,跨级转移的可能性较小,且共同富裕能力越低,其自身能力等级变化概率也越低。 在完成原国家级贫困县共同富裕能力测度与分析的基础上,本文首先在已有基准理论模型的基础上引入外生政府行为并考虑开放经济因素,分析了脱贫攻坚政策下原国家级贫困县脱贫攻坚完成对其共同富裕能力提升的影响和脱贫攻坚完成前后数字普惠金融发展对原国家级贫困县共同富裕能力与县域资金流动的影响。其次借助脱贫攻坚政策下原贫困县脱贫攻坚完成的准自然实验,使用基于CATT的多时点DID模型与调节效应模型对构建的理论模型进行实证检验。这一多时点DID模型的优势在于可以缓解传统双重固定效应的多时点DID模型存在的处理效应异质性问题,使得估计结果更为准确,同时通过汇总组时间平均处理效应可以进一步分析脱贫攻坚影响的组效应、动态效应和日历时间效应。首先利用基于CATT的多时点DID模型评估脱贫攻坚完成对原国家级贫困县共同富裕能力的影响,研究发现脱贫攻坚完成使得原贫困县共同富裕能力得到显著增强,共同富裕能力提升主要来源于农村人均可支配收入和地区财政自给水平的提高,并且越早完成脱贫攻坚的县其共同富裕能力提升越显著,脱贫攻坚完成时间越长其共同富裕能力增长幅度越大。其次使用调节效应模型分析脱贫攻坚完成前后数字普惠金融发展对原国家级贫困县共同富裕能力与县域资金流动的影响,研究发现脱贫攻坚完成对数字普惠金融影响县域共同富裕能力存在正的调节作用,这一调节作用也存在区域异质性,即脱贫攻坚完成显著提升了东西部地区数字普惠金融对共同富裕能力的提升作用,但对中部地区的影响尚不显著;相较脱贫攻坚完成前,原贫困县脱贫后数字普惠金融发展所导致的县域资金外流状况得到了很好地遏制。 最后,由于本文所使用的原国家级贫困县共同富裕能力指数测度体系包含指标较多,同时测度方法本身要求收集所有贫困县数据,因而即使研究对象仅为单个县也需重复上述过程。故本文尝试使用机器学习算法进行变量选择与模型训练以简化单个县共同富裕能力指数获得过程,提高实用性。具体来说,本文对比了八种机器学习方法与两种传统计量方法的原