关键词： 2D Triple-Collocation   机器学习   土壤湿度   多源融合   降尺度  

摘要： 为提高卫星遥感土壤湿度产品精度及空间分辨率,支撑水文过程的高精度模拟与预报,首先基于SMOS、SMAP、ASCAT 3种遥感土壤湿度产品,采用2D Triple-Collocation(2D TC)从时空两方面分析不同产品精度并基于最小二乘框架融合。而后分析支持向量机(SVM)、随机森林(RF)、极端梯度提升机(XGBoost)3种机器学习方法的降尺度效果及适用性,并对融合成果降尺度。研究结果表明:多源遥感融合成果较单一卫星遥感产品RMSE更小(RMSE=0.04 m3/m3),且优化了单一卫星监测数据缺失及高估的问题。3种基于融合成果的降尺度模型均有较好的抗过拟合能力,其中以XGBoost表现最优,其测试集R2较RF、SVM测试集分别提高了4.5%、36.6%,RMSE分别降低了15%、46.9%。以CLDAS产品为参考,XGBoost降尺度成果较融合成果R值提高了16.53%,RMSE降低了17.50%。融合与降尺度方法组合能有效提高遥感土壤湿度产品空间分辨率及精度,适用性更好。

关键词： 结构损伤识别   模态识别   安全评定   机器学习   结构健康监测  

摘要： 结构健康监测通过在大型工程结构上安装多类型传感器,感知、采集、传输和处理多元数据,已经成为保障重大工程结构安全的重要手段.随着结构健康监测系统的广泛应用,产生了海量的监测数据,如何通过监测数据识别和评估结构状态与安全是核心科学问题之一.由于土木工程结构的复杂性,状态识别与评估的核心难点是高维问题优化与求解,机器学习在高维问题求解方面具有很强的能力,为该问题的解决提供了新的思路.本文重点阐述机器学习在结构模态识别、损伤识别及可靠性评估等方面的研究进展,并讨论未来在该研究方向的发展趋势.

关键词： 地铁安全   智能监测   机器学习   技术   应用  

摘要： 随着城市轨道交通的快速发展,地铁施工的安全性和效率日益受到重视。本文基于机器学习方法,研究了一种地铁安全智能监测系统的技术应用,以深圳市轨道交通盾构工程为案例进行探讨。在实时监测纵坡变化和趋势分析的基础上,系统利用传感器数据进行数据采集与传输,经过数据预处理、特征提取与选择,建立了预测模型,实现了对最大纵坡施工过程中的安全状态实时监测和预警。通过系统生成的可视化报告,工程管理人员能够准确了解线路纵坡的变化趋势,预测潜在的施工风险,及时采取安全措施,确保施工过程的顺利进行。

关键词： 一线城市   房价   稳预期   机器学习方法  

摘要： 一线城市的房地产市场在全国房地产市场中具有举足轻重的地位,因此,维持一线城市房价平稳从而对保障全国房价平稳健康发展具有重要意义。运用XGBoost等机器学习方法和SHAP值可解释性方法,对四大一线城市房价的主要影响因素及其在2012年前后的动态变化进行测算并分析,研究发现:第一,预期因素是一线城市房价上涨的主要影响因素,并且其影响在不断增强。第二,供给因素和需求因素对一线城市房价上涨也起到了较为重要的作用,不过其作用呈现出减弱态势。第三,货币政策等因素对一线城市房价上涨的影响相对偏弱,并且近年来其影响进一步下降。考虑到预期因素是一线城市房价上涨的最主要因素,因此对一线城市而言,稳房价的关键在于稳预期。进一步地,结合实证结果可知,需要让房价更多地由基本面因素来决定,并且通过稳定房地产调控政策来稳预期。一是从供给端发力,构建一线城市土地供给与房价以及土地供给与常住人口之间的联动机制。二是从需求端发力,缩小一线城市与其周边城市以及其他三四线城市之间的公共服务差距,从而减轻一线城市的外来人口压力以及由此引发的住房需求增长。三是保持房地产调控政策的连续性、一致性、稳定性,通过稳定政策来稳定房地产市场的预期。

关键词： 机器学习   C5.0算法   CART算法   神经网络  

摘要： 选取2015—2018年贵阳国家气象站逐时观测数据,归纳整理了影响雾、浓雾的11个气象因子,在分析影响因子与能见度关系的基础上,以多次随机选取80%的样本数据为训练集,剩余20%的样本数据为预报模型的检验集,利用机器学习中C5.0、CART和神经网络算法分别构建贵阳站雾和浓雾的预报模型,检验评估了各预报模型的应用效果。结果表明:基于机器学习的雾、浓雾预报具有较好的业务应用前景,3种算法的检验准确率均在90%以上,其中CART算法对贵阳站雾的预报效果最好,C5.0算法和神经网络的多层感知器算法对贵阳站浓雾的预报效果最佳。

关键词： 冠脉搭桥   机器学习   氧化应激   心肌缺血再灌注损伤  

摘要： 目的 利用加权基因共表达网络分析(WGCNA)和机器学习方法,筛选出冠脉搭桥(CABG)术后氧化应激(OS)相关的核心基因,并预测治疗心肌缺血再灌注损伤(MIRI)的靶向药物。方法 从GEO数据库CABG术前、术后心室组织表达谱,利用WGCNA得到术后最关联模块和基因,从而获得OS相关基因(OSRG),进一步富集分析。再通过最小绝对值收敛和选择算子(LASSO)回归和随机森林算法,筛选出冠脉搭桥术后核心OSRG,术前术后差异表达比较,预测靶向药物。结果 WGCNA结果得到32个CABG术后OSRG,富集分析结果显示这些基因主要参与细胞死亡调控、细胞程序性死亡、细胞凋亡、免疫过程以及多种信号通路的调节。机器学习筛选出3个核心OSRG:ATF3、JUN、VEGFA,其均在CABG术后上调表达(P<0.01)。并预测5种靶向药物。结论 本研究通过综合运用WGCNA和机器学习方法,成功筛选出CABG术后核心OSRG,这些核心基因术后均明显上调,通过诱导细胞死亡、免疫等方式,引起MIRI。

关键词： 机器学习   冠状病毒   刺突蛋白  

摘要： 严重急性呼吸综合征冠状病毒2(SARS-COV-2)在2019年年底引起了新型冠状病毒肺炎(COVID-19)的全球大流行,冠状病毒跨物种传播到多种哺乳动物包括人类.因此,快速准确地预测冠状病毒宿主分类对于未来控制和防治流行病具有重要意义.本文从NCBI(National center for biotechnology information)病毒数据库收集刺突蛋白序列,使用CD-HIT软件去除重复数据得到3216条序列,将其按照宿主分类分为6种样本,按照收集时间排序后以8∶2比例划分为训练集和测试集,使用分布描述符(CTDD)以及自然语言模型Seq2Vec来编码刺突蛋白序列特征,应用多种机器学习方法训练预测分类模型,并进行模型评估.在预测人类宿主方面,Seq2Vec-GCNN作为最佳模型其准确率高达99.37%,而在预测其他宿主分类时CTDD-RF表现极佳,准确率分别为猪类95.82%,禽类95.96%,骆驼98.33%,蝙蝠92.06%,其他哺乳动物94.01%.结果表明,使用机器学习方法基于刺突蛋白序列构建预测冠状病毒宿主分类模型是切实有效的.

关键词： 可燃性粉尘   定量构效性质关系   最小点火能   机器学习  

摘要： 首先从GESTIS-DUST-EX数据库中获取粉尘燃爆数据及其分子结构,再通过量子化学计算筛选描述粉尘最小点火能的分子描述符,进而使用随机森林算法对分子描述符反映的特征重要性进行排序。通过对比10种常用的二分类模型,发现随机森林和支持向量机方法建立的二分类模型较优,它们的准确率、精确率、召回率及F1值都达到了90%以上。最后,对二分类模型中重要度排序较高的分子描述符进行深入分析,阐明其与MIE的内在联系。本研究成果可为快速掌握可燃性有机粉尘的爆炸危险性以及工业粉爆炸尘事故防控提供指导意见。

关键词： 机器学习   专业能力   接续培养   预测模型  

摘要： 随着社会的发展和专业需求的多样化,准确地对专业能力进行分类和预测,以制定相应的培养计划变得至关重要。本文以随机树模型为基础,通过机器学习技术对专业能力进行分类,并进一步预测不同能力水平的接续培养需求,以满足社会对专业人才的需求。同时,利用调研数据收集与整理了工程造价行业毕业生的社会需求,通过专业能力分析与讨论,并构建模型对其接续培养进行预测。通过引入机器学习技术进行专业能力分类,相应得以对调研材料进行细化挖掘,并基于此整理其不同能力水平下的接续培养需求预测结果,验证了模型的有效性。

关键词： LSTM   XGBoost   时空匹配   指导预报产品   产品释用  

摘要： 为了提高格点风场预报产品的准确性,提出了一套基于深度学习和集成学习的风速、风向预报方法。使用时间序列上的站点风实况数据和空间范围上的数值模式预报产品建立时空信息匹配模型,使用了长短期记忆法(LSTM)和极端梯度提升(XGBoost)建立时空匹配的联合预报产品订正模型,形成72小时隔3小时、5千米时空分辨率的SCMOC风速、风向预报产品。评估结果显示,相较于SCMOC预测,联合模型实现风速平均绝对误差(MAE)降低了14.17%,风向平均绝对误差(MAE)降低了23.61%。模型对SCMOC风场产品的风速、风向的准确率有较好的提升,产品释用效果良好。