关键词： 废玻璃粉混凝土   抗压强度   机器学习   粒子群优化算法   可视化  

摘要： 废玻璃粉混凝土（WGPC）的应用和推广能够有效缓解混凝土材料短缺的压力以及环境污染的问题。抗压强度（CS）是评价废玻璃粉混凝土性能的重要指标，与传统的测试方法相比，机器学习技术基于准确性和稳定性的特点，能够有效预测混凝土的抗压强度，尤其是在探究混凝土长期力学性能方面优势显著。本研究利用多元线性回归（MLR）、反向传播神经网络（BPNN）、支持向量机回归（SVR）和随机森林回归（RFR）4种模型对废玻璃粉混凝土的抗压强度进行预测，并结合粒子群优化算法和交叉验证的方法调整模型的参数设置，以达到模型预测的最佳效果。结果表明，优化后的模型精度普遍比基础模型高，其中PSO-RFR模型在测试集上表现最佳，拟合优度R2=0.9231，MAE=2.1073，RMSE=3.6903，与试验结果对比，PSO-RFR模型和PSO-BPNN模型展现出良好的预测效果，且PSO-BPNN模型中训练集和测试集的拟合优度R2最为接近，体现了PSO-BPNN模型对未知数据的最佳泛化能力。本研究为混凝土抗压强度预测提供了有效方法，有助于推动混凝土材料领域的可持续发展，为混凝土材料的研发和应用提供理论支持。

关键词： 滑坡灾害   滑坡短期位移预测   岩性分类综合数据集   预训练模型   新建坡面   普适型滑坡监测  

摘要： 针对普适型滑坡监测工作中新建监测坡面有效数据量少,代表性不足,难以开展高精度单坡建模的问题,提出建立基于岩性分类综合数据集,开展模型预训练,从而提升建模效果的总体思路。通过建立综合数据集,模型可以挖掘和利用多坡面监测数据中更丰富的变形特征。依据基础岩性对综合数据集进行分类,构建不同的预训练模型,并应用于对应岩性的新建坡面,则能够在保证数据集数量较为充足的同时,增强分类数据集对不同类别坡体变形规律的表征能力,通过提升预训练数据和目标域数据分布的一致性,进一步提高建模效果。实例验证结果表明,基于岩性分类综合数据集的预训练模型,在对应岩性新建坡面上,建模效果总体上显著优于单坡面模型和基于其他综合数据集的预训练模型,可以为新建坡面位移预测工作提供有力的支持。

关键词： CO2腐蚀   13Cr   机器学习   决策树   腐蚀速率预测  

摘要： CO2腐蚀井下管材现象普遍存在，目前对于气相CO2环境下的13Cr管材腐蚀速率缺少适用的预测方法。针对该问题，研究了含Cr管材抗腐蚀机理及影响因素。基于正交试验法明确了各腐蚀因素影响13Cr管材腐蚀速率的重要性。基于机器学习方法，建立了管材腐蚀速率预测模型。采用Python语言编制了BP神经网络、决策树、随机森林以及支持向量机等4种机器学习模型，以室内数据为数据集进行腐蚀速率模型优选。结果标明，13Cr管材在气相CO2中表现为匀速腐蚀，腐蚀速率为0.0122～0.0361 mm/a。与室内结果相比，决策树模型预测结果准确度可达到85.1%。采用现场实际应用套管剩余壁厚对所建模型进行验证，准确率在80%以上。所建立的预测方法可推广应用至相近腐蚀条件下的管材腐蚀速率预测。

关键词： 真空紫外过硫酸盐   有机物激发   污染物降解   机器学习   高阶激发态  

摘要： 真空紫外过硫酸盐（VUV/PS）体系中更快速的污染物降解一直被认为是UV185高效激发H2O和PS的结果，而忽略了UV185对污染物的直接激发，从而低估了UV185在污染物降解方面的贡献。结合机器学习与DFT计算，从数据分析角度对VUV/PS体系中UV185的作用机理进行探究。首先，通过DFT计算获得了30种有机污染物的基态和激发态分子描述符作为输入参数，并利用随机森林模型将其分别与污染物在不同体系中的降解动力学常数和矿化率作为输出参数进行建模，通过观察不同输入参数下模型拟合度的变化对分子描述符进行筛选，保留与输出参数相关性高的描述符，最后通过Shapley加性解释方法（SHAP）分析各模型中贡献度最高的几种输入参数，进而对反应机理进行推测。结果表明，相比于UV体系，VUV体系中S1激发态描述符与亲核反应相关描述符的贡献度出现了明显提高，表明UV185是通过将污染物激发至反应活性更高的S1态，而后以促进光解和亲核反应的机制加快污染物的降解与矿化过程。

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： 脓毒症   脓毒症相关肝损伤   机器学习算法   预测模型   分类回归树   随机森林   支持向量机   朴素贝叶斯  

摘要： 目的分析脓毒症相关肝损伤(SRLI)患者的预后,并使用8种机器学习方法建立脓毒症患者入住ICU后发生SRLI的预测模型。方法纳入MIMIC-IV数据库中满足脓毒症诊断标准且无肝脏、胆系基础疾病的患者。根据肝酶≥5倍正常值上限(ULN)或胆红素≥2.0 mg/dL将患者分为SRLI组和非SRLI组。采用卡方检验、多因素Logistics回归分析及倾向性评分匹配法分析2组患者死亡风险。采用8种机器学习算法[Logistics回归、分类回归树(CART)、随机森林(RF)、支持向量机(SVM)、K-近邻(K-NN)、朴素贝叶斯(NBM)、极端梯度提升(XGBoost)、梯度提升树(GBDT)]构建SRLI预测模型并进行验证。结果卡方检验(P<0.001)、多因素Logistics回归分析(P<0.05)、倾向性评分匹配分析后Log-rank(P<0.05)均显示SRLI增加患者死亡风险。SRLI预测模型中,RF算法的曲线下面积(AUC)最高为0.866,其后依次是GBDT(AUC=0.862)、Logistics回归(AUC=0.859)、SVM(AUC=0.837)、NBM(AUC=0.830)、CART(AUC=0.771)、XGBoost(AUC=0.764)、K-NN(AUC=0.722)。结论SRLI增加患者死亡风险。RF算法构建预测模型有较高的诊断价值。

关键词： 水位预测   机器学习   时间序列   特征提取  

摘要： 水是所有生命的物质基础,与人类的生活、生产息息相关,水资源的开发和利用对生活生产、生态环境和社会经济发展具有重要的影响。研究水位动态变化规律以及提前预测水位,对于水资源的开发利用、湿地保护、防洪减灾、船舶配载和安全通航等具有重要的现实意义。水位的高低受到天气、水文等各种复杂因素的影响,水位预测是水文、气象、航道和海事等部门关注的难题和研究热点。本文对近年来机器学习方法在水位预测方面的研究进展和所取得的成果进行分析和评述,分析了现有方法存在的问题和面临的挑战,指出水位预测未来的主要研究方向。Water is the basis for all life and is closely related to human life and production. The development and utilization of water resources have a significant impact on life, production, ecological environment, and social and economic development. Investigating the dynamic patterns of water level changes and forecasting water levels ahead of time are of great practical importance. They play a crucial role in multiple aspects, such as the exploitation and utilization of water resources, the conservation of wetlands, the prevention of floods and reduction of disasters, the loading arrangements of ships, and the guarantee of safe navigation. The water level is affected by various complex factors such as weather and hydrology. The prediction of water level is a difficult thing concerned by departments such as hydrology, meteorology, etc. hence it has become the research focuses in the past years. In this paper, various machine learning algorithms used for predicting water level are reviewed and commented, and the challenge that researchers in this field faced is then pointed out, in the end, the perspectives in this realm are also proposed.

关键词： 新型城镇化   可解释机器学习   农民工   落户意愿  

摘要： 当前,中国以农民工为主体的农业转移人口的城镇落户意愿不高且呈现下降趋势,落户政策供给与落户需求意愿存在结构性错配。本文以推拉理论为基础构建分析框架,使用2017年中国流动人口动态监测数据,利用可解释机器学习方法,对农民工落户意愿的影响因素进行考察,并根据城镇规模进行异质性分析。在区分暂居意愿、长居意愿、定居意愿和落户意愿的基础上,讨论农民工城镇落户意愿的渐进形成过程。研究发现:中间阻碍因素和城镇户籍拉力是影响落户意愿的两个主要方面,其中的中间阻碍因素主要体现为社会融入程度。不同规模城镇的农民工,落户意愿的影响因素以及影响因素的重要程度存在差异。从趋势上看,城镇规模越大,城镇户籍拉力的影响越强,农民工所在农村的户籍拉力的影响越弱。农民工居留意愿的影响因素存在显著的阶段性差异,流入时长、有无自有住房与地区服务差距分别是影响长居意愿、定居意愿与落户意愿的首要因素。本文研究结论有助于全面理解农业转移人口落户意愿形成机理,并为进一步完善市民化政策提供参考。

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。

关键词： 静态时序分析   复杂网络   机器学习   布局   布线  

摘要： VLSI布线阶段的时序收敛由于设计费用高昂,通常使用布局阶段的时序分析来辅助实现,但因缺乏详细的布线信息而存在不确定性。考虑信号传播和电路拓扑结构间的密切关系,提出一种利用复杂网络特征预测布线后电路时序的机器学习方法,并构建基本模型和增强模型来实现对比试验。首先在电路布局阶段,提取与时序优化相关的基本电路特征,并通过复杂网络建模计算时序路径上的复杂网络特征,基于这些特征生成机器学习的数据集。然后利用机器学习算法,比较两种模型在预测电路时序方面的性能。实验结果表明,同基本模型相比,引入复杂网络特征的增强模型在时序预测性能上表现出更高的预测精度。增强模型预测Slack的MSE降低了12.5%,达到了0.004515;R2提升了1.06%,达到了0.9314;r提升了0.54%,达到了0.9652。预测Delay的MSE降低了11.69%,达到了0.000302;R2提升了0.03%,达到了0.9973;r提升了0.02%,达到了0.9987。预测WNS的偏差降低了6.53%,达到了5.30%。预测TNS的偏差降低了1.59%,达到了12.38%。判断关键路径的AUC值提升了0.26%,达到了0.9873。实验结果证明复杂网络特征在预测电路时序方面的有效性。