关键词： 酸性矿坑水   自组织映射网络   污染评估   聚类分析  

摘要： 酸性矿坑水(Acid Mine Drainage,AMD)是煤炭开采过程中产生的主要环境问题之一,对生态系统和人类健康构成严重威胁。该研究选取福建龙岩林坑煤矿为研究区,运用自组织映射(Self-Organizing Map,SOM)技术对研究区AMD污染特征进行系统的聚类分析,旨在准确评估该区域AMD污染现状并有效识别主要污染源。本研究利用SOM方法对37个水样的4种水质指标(pH、Fe、Mn和SO_(4)^(2-))进行综合分析,最终将水样划分为4个不同污染程度的聚类,明确揭示了不同污染程度水体的空间分布特征。各聚类按污染程度从高到低顺序,依次为聚类Ⅳ、聚类Ⅲ、聚类Ⅱ和聚类Ⅰ,其中聚类Ⅲ和聚类Ⅳ的样本表现出严重的污染特征,主要位于煤矿涌水点和煤矸石堆放区附近,是未来治理工作的重点;聚类Ⅱ的样本主要受污染水流汇入的影响;聚类Ⅰ包含样本量最多,表明该区域大部分水体受AMD影响程度有限。SOM方法为AMD污染特征的评估提供了有效工具,具有推广至其他煤矿区的应用潜力。未来研究需增加监测频率,以捕捉季节性变化对水质的影响。随着监测数据量的不断增加,SOM方法的应用潜力将更加明显。

关键词： 农业社会化服务   乡村振兴   随机森林模型   结构方程模型   驱动因素  

摘要： 农业社会化服务是促进农村地区可持续发展的关键因素。然而,农户选择利用这些服务涉及复杂的决策过程。该研究运用随机森林模型和结构方程模型深入研究其影响因素和路径。研究发现,农户对农业社会化服务的接受程度波动较大,农户选择农业社会化服务受农户种植作物种类数量、受教育水平、农户种植作物所得等因素的制约;提升宣传效果、农户个体情况的改善在提升农户对农业社会化服务的选择上起关键作用。

关键词： 全国统一电力市场   现货市场   电价预测   机器学习方法  

摘要： 全国统一电力市场建设背景下,现货市场建设有助于推动电力资源在更大范围共享互济和优化配置。现货电价作为市场参与者的重要决策信息,对现货市场的辅助决策、市场运行监测及风险管理等至关重要。机器学习方法的快速发展为电价预测提供了可行途径。首先,分析全国统一电力市场下现货电价的特点及其影响因素,并基于现有电价研究的预测机制阐述预测模型的类别及现货电价预测面临的挑战。其次,基于数据标签、特征提取和数据流动控制等特点总结各类机器学习预测模型的研究现状,分析不同预测模型的特点及适用性。然后,分析基于机器学习的现货电价预测模型评价指标,并总结相关预测方法的模型参数训练要求及实际应用情况。最后,针对机器学习方法在电价预测研究中的挑战,对未来技术研究方向进行展望,以期对全国统一电力市场建设下的现货市场发展提供具有建设性意义的参考。

关键词： 随机森林   支持向量机   磷灰石   微量元素   I-S-A型花岗岩  

摘要： 花岗岩在全球广泛分布,不同成因类型的花岗岩记录了不同的构造环境、源区岩石类型或深部岩浆过程等,因此正确识别花岗岩成因类型(I型、S型、A型花岗岩)具有重要意义。磷灰石作为花岗岩中最常见的一种副矿物,蕴含多种主微量元素,记录着花岗岩的源区和岩浆物理化学特征,因此成为判别花岗岩成因类型的重要指标。本文收集了已发表的I型、S型和A型花岗岩的磷灰石微量元素数据,采用随机森林(Random Forest,RF)和支持向量机(Support Vector Machine,SVM)两种机器学习算法,利用其中的17种微量元素含量指标(Mn、Sr、Y、La、Ce、Pr、Nd、Sm、Eu、Gd、Tb、Dy、Ho、Er、Tm、Yb、Lu)和8种元素综合指标[(La/Nd)_(N)、(La/Yb)_(N)、(Gd/Yb)_(N)、Yb N、LREE、REE+Y、Eu/Eu^(*)、Sr/Y]建立了花岗岩的成因类型判别模型。结果表明随机森林(95.56%)和支持向量机(94.76%)的分类准确率均很高。发现Sr在区分I型和S型花岗岩方面最为重要,Ce和Mn在区分A型花岗岩方面最为重要,Eu对于区分S型及I/A型花岗岩方面较为重要。本文提出的机器学习模型便捷高效,可以快速地确定花岗岩的成因类型。

关键词： 超大规模集成电路   布图规划   布局   构造法   分析法   迭代法   机器学习方法  

摘要： 综述超大规模集成电路(VLSI)布图规划方法,探讨布图规划在集成电路设计中的重要性,以及其对芯片面积、互连线长和设计周期的影响.首先,回顾集成电路技术的发展历程,强调布图规划在确定模块位置、尺寸和旋转角度中的作用.其次,详细介绍4类主要的VLSI布图规划方法:直观构造方法、分析法、迭代法和基于机器学习的方法.再次,讨论两个VLSI设计领域中常用的基准数据集MCNC和GSRC对测试和评估布图设计方法的重要性.最后,总结布图规划领域的研究进展,并指出未来的研究方向.

关键词： 地质灾害   危险性评价   机器学习   灾害地质调查工程   大安镇   宁强县   陕西  

摘要： 【研究目的】地质灾害的孕育和发生受多种因素的影响,具有不确定性和复杂性,给地质灾害的危险性评价带来一定困难。随着AI技术的发展,智能算法能更准确地计算地质灾害孕育与诱发因素之间的多元复杂非线性关系,大大提高了地质灾害危险性模型的准确性,在区域地质灾害危险性评价中逐步得到应用。【研究方法】本文结合宁强县大安镇野外地质调查数据,挑选与地质灾害发生密切相关的12种致灾因子,即高程、坡度、坡高、坡向、坡型、工程地质岩组、断裂距离、水系距离、道路距离、植被覆盖、降雨及地震动峰值等作为危险性分区评价因子。通过构建样本集,运用贝叶斯、随机森林、策略梯度神经网络、KNN和神经网络算法这5种模型进行宁强县大安镇地质灾害危险性建模并进行比较。【研究结果】贝叶斯模型(AUC 0.894)表现最好,绝大多数已发生的地质灾害点位于评价的极高和高危险区,且贝叶斯模型计算结果达到预测精度评价要求。【结论】在宁强县大安镇地质灾害样本数目很少的情况下选择贝叶斯算法模型进行地质灾害危险性评价,是具有可行性的。

关键词： 机器学习   认知诊断评价   小样本   神经网络  

摘要： 为了探索适合小样本认知诊断评价的机器学习方法,本文以理想反应模式、观察反应模式和Q矩阵的关联作为机器学习规则,将常见7种机器学习算法应用到中学物理欧姆定律教学案例中。实证和对比研究的结果表明,7种机器学习分类都有90%以上准确率,均能达到应用水平,但神经网络理论约束相对少且应用最方便,是机器学习应用在认知诊断评价的最佳方法。

关键词： 幽门螺杆菌   相关因素   机器学习   预测模型   支持向量   随机森林  

摘要： 目的基于幽门螺杆菌(Hp)感染的相关因素,构建Hp感染的风险预测模型,为临床预防Hp感染提供新方法。方法对石河子大学第一附属医院消化内科门诊行^(13)C、^(14)C尿素呼气试验的检测者,使用问卷调查本地Hp感染现状。按7∶3随机将数据集分成训练集和测试集,以是否发生Hp感染为结局变量,采用单因素分析和多因素Logistic回归分析筛选出有统计学差异的特征变量。在训练集中,使用支持向量(SVM)、K邻近(KNN)、逻辑回归(LR)模型、随机森林(RF)、极限梯度提升(XGB)和轻量级梯度提升(LightGBM)6种机器学习方法构建Hp感染风险预测模型,并在测试集进行验证与评价,通过各模型间预测性能对比,筛选出最佳模型。应用Shapley加法解释(SHAP)方法对最佳模型进行可解释性分析。结果本次调查人群678人,其中训练集475人、测试集203人,XGB模型准确率为0.784,精确率为0.777,召回率为0.783,F1值为0.780,精确准-召回曲线的曲线下面积(AUPRC)为0.875、受试者工作特征曲线下面积(AUC)为0.885、Brier值为0.140,为最佳预测模型。基于XGB模型对特征变量进行重要性排序,依次为Hp认知评分、喜食高盐高脂食物、共用牙杯水杯等生活用品、进食腌制食物、进食生大蒜。结论基于XGB机器学习方法构建的Hp感染风险预测模型最佳,有助于临床早期评估和预防Hp感染风险的发生。

关键词： 风速预测   机器学习算法   随机森林   BP神经网络   支持向量机  

摘要： 利用支持向量机(SVM)、反向传播神经网络(BP神经网络)和随机森林(RF)3种机器学习方法,对欧洲中心数值模式(ECMWF)的风速预报数据进行订正,与2020—2021年华能湘乡梅桥风电场的实测风速数据进行对比,评估机器学习模型的订正效果,并采用平均绝对误差和相关系数等统计指标、日准确率和日合格率的风电预报指标进行评估。结果表明,数值模式在风速预报方面存在较大误差,特别是在春季和夏季。经过机器学习方法订正后,风速预报的准确性显著提高。其中,随机森林方法的订正效果最佳,不同季节内平均绝对误差显著降低,相关系数大幅提升,风速预报的日准确率和日合格率显著提高,达95%以上。同时,机器学习方法可以减弱误差项随时刻变化的趋势,使夜间至凌晨时段的误差减小,风速日变化与实况吻合。

关键词： 数据分类   机器学习   时序数据  

摘要： 随着社会不断发展和科技的不断创新,人们对知识和技能的需求在不断变化,考试试题也在与时俱进。为了适应这些变化,文章探讨了基于历年考题数据,利用时序数据和机器学习方法分析题型分布并进行预测的可行性,旨在帮助学生在学习过程中实现效率最大化,同时培养学生的数据分类与整合能力。