关键词： 煤   热溶物   波谱信息   机器学习  

摘要： 本文选取小龙潭褐煤（XLT）、淖毛湖褐煤（NMH）、东明褐煤（DM）、塔城次烟煤（TC）、伊犁次烟煤（YL）、准东次烟煤（ZD）、杜儿坪烟煤（DEP）、将军庙烟煤（JJM）、硫磺沟烟煤（LHG）、黑山煤（HS）、红沙泉煤（HSQ）和混合煤（HUN,红沙泉煤∶黑山煤=6.5∶3.5）共十二种研究煤样。分别在260℃和300℃下使用环己烷和异丙醇对煤样进行二级顺序热溶，使用傅里叶变换红外光谱（FTIR）、气相色谱质谱联用（GC/MS）和静电场轨道阱质谱（OrbitrapMS）对所得到的48个热溶物进行分析表征。采用层次聚类分析（HCA）、主成分分析（PCA）两种无监督机器学习方法和逻辑回归（LR）、决策树（DT）、K-最近邻（KNN）、随机森林（RF）、梯度提升（GB）、支持向量机（SVM）六种有监督机器学习方法对煤热溶物有机质的分子组成和结构信息进行分析。　　基于FTIR对48个热溶物的分析可知，官能团主要分布在五个区域，因温度、溶剂和煤化程度的不同，官能团的吸收峰强度有所差异。采用HCA对FTIR数据进行分析，根据官能团的差异性热溶物被聚为环己烷类与异丙醇类，环己烷类中以脂肪烃-CH2、-CH3为主，异丙醇类以-OH为主。采用PCA分析，将FTIR数据被分为两大族群，且含氧官能团归属于异丙醇数据群，-CH3等官能团归属于环己烷数据群。　　基于48个热溶物的GC/MS数据和机器学习方法分析结果可知:环己烷热溶物中富含脂肪烃化合物和芳烃化合物，异丙醇热溶中富含酯类与酚类化合物。HCA将260℃和300℃下的异丙醇热溶物分别聚为五类和三类，环己烷热溶物均被聚为两类，基于含氧化合物与烃类化合物的相对含量差异，PCA成功将GC/MS数据分为环己烷类和异丙醇类。将GC/MS数据划分为总数据集、CYH数据集和IPA数据集用于六种模型的训练，以HS、HSQ和HUN作为验证集数据用于模型预测，使用Kappa系数、海明距离、杰卡德相似系数以及预测精度作为选取最优模型的评价指标。在HS、HSQ和HUN三个验证集中，CYH数据集模型与IPA数据集模型共能预测到七类、八类、七类化合物，总数据集模型能预测到四类、五类、五类化合物，少于两种数据集模型的结合预测。基于模型评价指标，不同验证集中最优模型不同。　　相较于GC/MS,OrbitrapMS能够获得更多的化合物和更全面的化合物信息,使用电喷雾电离源（ESI）和大气压化学电离源（APCI）检测了48个热溶物的组分，并将其分为CH、O、N、S、ON、OS、NS、ONS八类，O族分为O1-O6,N族分为N1-N4,S族分为S1和S2。将OrbitrapMS数据划分为包含CH与O族化合物的O数据集和包含N族与S族化合物的N数据集，用于六种模型训练。基于ESI-OrbitrapMS数据，HCA将热溶物族组分、O族和N族分别聚为七类、七类和六类，主要包含ON、O、OS、NS、ONS族化合物，O3、O4类化合物和N3、N4类化合物;在APCI-OrbitrapMS数据中，HCA将其分别聚为十类、九类和五类，主要包含ON、O、N、ONS、CH化合物，O1-O5类化合物和N1、N4类化合物。PCA将OrbitrapMS数据分为ESI和APCI两个数据群，实现分类的差异化合物为CH、O、N、OS、NS族化合物，O1-O5类化合物和N1、N3类化合物。在HS、HSQ和HUN验证集中，模型能够预测到O1-O6、CH、N2-N4以及S1、S2类化合物的存在，基于验证集的不同，最优模型有所差异。基于多种机器学习方法对煤的波谱信息进行解析，有利于快速处理大量数据并从中挖掘有效信息，为更加精确、全面、便捷的了解煤中分子组成特征提供了方法依据。

关键词： 急性A型主动脉夹层   机器学习   脑部并发症   预测模型   SHAP  

摘要： 背景:急性Stanford A型主动脉夹层(ATAAD)属于极其危重的疾病之一,近年发病率不断上升。由于手术难度大、时间长、涉及体外循环等,术后易发生各种并发症,涉及器官范围广,其中尤以脑部并发症多见。目的:本研究旨在使用机器学习方法构建ATAAD术后脑部并发症的最佳预测模型,为早期识别高风险患者提供支持,并基于SHAP对模型提供解释,探究相关危险因素,为临床提供一定的参考依据。方法:本项研究回顾性纳入2017年1月--2021年9月就诊于兰州大学第一医院心血管外科的ATAAD患者,严格按照纳排标准筛选资料。首先清洗数据、编码及分组,对全部数据标准化处理,以7:3随机划分全部数据为训练集和测试集。在训练集内,对无序多分类变量引入虚拟变量(DV),通过最小绝对收缩和选择算子(LASSO)回归筛选最佳特征,引入过采样和欠采样方式相结合的SMOTEEN算法平衡数据集,基于Logistic回归(LR)、K最邻近(KNN)、随机森林(RF)、梯度提升机(GBM)、支持向量机(SVM)、全连接神经网络(MLP)构建预测模型,使用K折交叉验证或超参数网格搜索进一步调优参数,以准确度(Accuracy)为标准确定最佳参数并代入模型。完成后在测试集内验证各模型性能,绘制各模型受试者工作特征曲线(ROC),采用Brier评分(BS)、准确度(Accuracy)、灵敏度(Sensitivity)、特异度(Specificity)、F1分数(F1 score)以及曲线下面积(AUC)综合评价模型效能,以AUC最大者为最佳模型,进一步行Hosmer-lemeshow检验(HL),绘制决策曲线分析(DCA)明确模型的净收益。采用SHAP(Shapley additive explanations)算法解释模型并可视化。结果:(1)Lasso回归确定的最佳特征集为:术后ALT值、手术总时间、术中冷沉淀的输注量、术后LDH值、头臂干受累及情况、术后尿素值、年龄和高血压。(2)确定的最佳模型为RF模型,AUC值最大,为0.828[95%CI(0.585,0.902)],F1分数(F1 Score)为0.667[95%CI(0.375,0.959)],灵敏度为0.833[95%CI(0.535,0.932)],特异度为0.892[95%CI(0.792,0.992)],BS为0.139[95%CI(0.035,0.244)],综合性能良好。在HL检验中P=0.183,提示RF模型拟合较好。DCA提示在较大的阈值范围内通过RF模型可获得较高净收益。(3)基于SHAP算法解释模型,提示RF模型中对预测结果影响最大的特征为术后ALT水平,其次分别为手术总时间和术中输注冷沉淀。其中术后ALT水平、手术总时间对模型的预测结果起正向贡献,输注冷沉淀对模型起负向贡献。结论:(1)术后ALT值、手术总时间、术后LDH值、头臂干受累及、术后尿素值、年龄和高血压史为ATAAD术后脑部并发症的危险因素,对于排名靠前的相关因素需给予足够重视;(2)术中适量输注冷沉淀可以减少脑部并发症的发生,未来可通过更大样本数据进一步验证;(3)在本研究中,相比Logistic回归,RF算法模型具有更好的预测能力,综合性能更优,提示机器学习算法在数据挖掘与分析中具有独特优势;在本研究中RF模型可及时识别ATAAD术后脑部并发症高风险患者,为早期提供干预、改善患者预后提供支持。

关键词： 抑郁症   生物标志物   因果样本权重   小样本学习  

摘要： 抑郁症是一种常见的精神障碍,据临床研究统计约27%的人在一生中会出现抑郁症或与抑郁症发作类似的症状,抑郁症的早期诊断对抑郁症的治疗具有重要意义。传统的抑郁症诊断通常由临床医生依据患者的自述症状和量表检查结果进行判断,这种方法依赖于医生的临床经验和医疗知识,具有一定的主观局限性,容易发生误诊或漏诊。因此临床上急需一个客观的诊断方法来提高抑郁症疾病的诊断率。蛋白质组学技术在蛋白质组水平上研究蛋白质表达水平的变化,蛋白质组学技术对生物样品中的蛋白质表达进行分析,可以有效帮助我们提高对疾病病理生理机制的理解,有助于疾病临床诊断工具的开发。已有研究证明抑郁症患者的血浆蛋白质存在差异表达,因此本文基于血浆质谱数据进行抑郁症分类预测及生物标志物发现研究。使用液相色谱/串联质谱采集得到的质谱数据经过鉴定可以得到蛋白质组学数据,此类数据通常具有“大P,小N”的特点,即特征数量多,而样本数量少,使用机器学习方式处理此类型数据时,往往效果不佳。因此本文从小样本学习的角度出发,提出了一种小样本血浆蛋白质组学数据的抑郁症分类预测模型。相比于传统机器学习模型,该模型的分类精度显著提升。生物标志物指的是通过客观测量生命状态的特征,发现抑郁症相关的生物标志物可以促使我们可以更好地理解抑郁症的发病机制,并为开发更加便捷有效的抑郁症诊断方法提供基础。因此本文提出了一种基于可解释的方法用于发现抑郁症的血浆蛋白质生物标志物。本文研究内容具体包括以下三个方面:(1)血浆质谱数据预处理及数据分析对受试者的血浆质谱数据进行了蛋白质鉴定,得到每个样本的蛋白质组学数据,包括每个样本的蛋白质定量信息,由于数据存在蛋白质污染、噪声信息和缺失值等问题,因此我们进行了进一步的预处理操作,得到最终的实验数据集,并基于该数据分析了抑郁症患者和健康人血浆蛋白质组学数据的相似性与差异性。(2)构建了基于小样本血浆蛋白质组学数据的抑郁症分类预测模型针对抑郁症蛋白质组学数据普遍具有特征维度高,而样本数量少的问题,本文提出了一种基于小样本血浆蛋白质组学数据的抑郁症分类预测模型。该模型以层次图卷积网络(Hierarchical Graph Convolution Network,HIGCN)和跳跃知识网络(Jumping Knowledge Networks,JKNet)为基础,引入了因果样本权重模块,以最小化特征相关性带来的影响,提高模型泛化能力。在训练模型时引入Drop Edge思想来缓解深度学习模型在小样本数据集上的过拟合问题,提高了模型的预测精度。最后在公开数据集通过实验验证了方法的有效性。(3)提出了一种基于模型可解释分析的抑郁症生物标志物发现方法本研究提出了一种基于模型可解释性的方法,用于发现抑郁症的血浆蛋白质生物标志物。首先,通过统计学分析方法筛选出在抑郁症患者和健康人群之间存在差异表达的蛋白质。然后,使用这些差异蛋白质作为特征训练分类模型。接着,采用模型无关的可解释性方法LIME和SHAP对模型预测结果进行了解释,根据蛋白质特征的对于模型的全局特征重要性排名,确定最终的抑郁症蛋白质生物标志物。研究还对找出的蛋白质生物标志物进行了统计学和生物学角度的分析,以验证其有效性和可靠性。最后,使用找出的蛋白质生物标志物作为特征训练分类模型,验证其分类能力。

关键词： FMS样酪氨酸激酶3(FLT3)   机器学习(ML)   构效关系(SAR)  

摘要： FMS样酪氨酸激酶3（FLT3）是治疗急性髓系白血病（AML）的重要靶点。近年来在多数AML患者中发现了FLT3的过度表达和突变。因此本文进行了FLT3抑制剂的构效关系研究。主要研究内容如下:（1）FLT3抑制剂的高低活性分类研究。收集了含有3867个人源野生型的FLT3抑制剂数据集。运用随机森林（RF）、支持向量机（SVM）、极致梯度提升树（XGBoost）、深度神经网络（DNN）和循环神经网络（RNN）算法共建立了39个定性分类模型。四个最优模型Model 3A（SVM模型）、Model 3C（SVM模型）、Model 3H（XGBoost模型）和Model 3L（DNN模型）对测试集的马修斯相关系数（MCC）在0.70到0.72之间,预测准确率（Q）在84.95%到85.83%之间;对外部测试集的MCC在0.70到0.82之间,预测准确率（Q）在85.05%到90.97%之间。（2）基于模型和聚类进行构效关系分析。计算了描述符的信息增益（IG）以及在高低活性抑制剂中的频率差异,发现2-氨基嘧啶、1-乙基六氢吡啶、2,4-双（甲基氨基）嘧啶等分子片段为高活性抑制剂中的重要片段。随后,结合决策树算法生成的树状图,通过描述符组合得到了2个高活性骨架和1个低活性骨架。除此之外,采用K-means聚类总结了FLT3抑制剂的骨架结构类型和代表性侧链特征。（3）FLT3抑制剂活性的定量预测研究。收集了411个放射性测定方法测定的FLT3抑制剂及其IC50值。基于支持向量机（SVM）和随机森林（RF）两种算法共建立了48个定量预测模型。最优模型Model 8G（RF模型）对测试集的决定系数（R2）为0.715,均方根误差（RMSE）为0.557。对描述符分析后发现分子的相对分子质量、复杂度以及分子不饱和键数目与FLT3抑制剂活性的相关性较大。

关键词： 水下接触爆炸   机器学习   深度神经网络   快速预测   塑性断裂  

摘要： 水下接触爆炸所产生冲击波载荷、气泡脉动载荷和射流载荷等会对舰船结构造成不同程度的毁伤,严重威胁舰船生命力。目前数值计算方法广泛应用于水下接触爆炸载荷下舰船防护及毁伤方面的研究中,但是计算一个工况需耗费数十甚至上百个小时,不适合在战场条件下对舰船的毁伤情况进行快速预测及评估。因此,本文基于数值仿真结果,引入了机器学习方法以实现对舰船毁伤效果快速准确地预测,这具有极其重要的军事和工程意义。然而机器学习方法多种多样,选取适当的机器学习模型以及最优的机器学习模型超参数,对提高水下接触爆炸载荷下船体结构的毁伤特性预测精度同样意义重大。本文首先介绍了水下爆炸的基本过程、物理现象、载荷特性以及所使用的任意拉格朗日-欧拉(Arbitrary Lagrangian-Eulerian,ALE)方法的基本理论,并将ALE数值模拟结果与气泡统一理论计算结果以及试验结果进行了对比验证。并给出了评价机器学习模型预测性能的相关准则,介绍了六种的机器学习算法的基本原理、实现流程和具体参数。针对机器学习模型选取的问题,以高精度数值模拟建立的水下接触爆炸载荷下船体板架结构破口尺寸数据库为基础,建立了六种不同类型的机器学习模型,分别讨论了这六种模型最优的超参数配置,并对这六种最优的机器学习模型预测精度进行了比较,发现三层隐含层的深度神经网络模型预测性能最佳,其预测结果的平均相对误差为1.3%。针对船体板架结构毁伤特性的高精度预测问题,基于深度神经网络模型对水下接触爆炸载荷下船体板架结构破口边界、破口以外区域的塑性变形及塑性应变进行预测。通过单隐含层神经元计算经验公式以及试错法,研究了隐含层层数、隐含层神经元数量和隐含层神经元分布对模型预测性能的影响,最优的深度神经网络模型所预测的板架结构的破口边界、破口周边塑性变形和塑性应变的平均相对误差分别为0.4%、2.1%和15.6%。针对更复杂的舱段结构在受到水下兵器不同攻角、药量和爆距攻击下的毁伤特性的预测问题,采用深度神经网络模型对舱段结构破口边界、塑性变形和塑性应变的样本数据进行学习,仍通过单隐含层神经元计算经验公式与试错法相结合的方式,研究了隐含层层数、隐含层神经元数目及分布形式对预测性能的影响,确定了最优的神经网络模型,其对舱段模型破口尺寸、破口周边塑性变形和塑性应变的预测结果的平均相对误差分别是2.6%、3.9%和17.2%。

关键词： 绿色溢价   集成学习模型   神经网络   绿色创新  

摘要： "绿色经济"正逐渐崭露头角,成为经济发展的新典范,对产业层面的节能减排也自然而然地成为新时期产业升级的重中之重。绿色理念引领下的上市公司应当在节能减排方面充当领头羊,其地位不可或缺,对于我国绿色产业的推动具有卓越意义。作为充满活力的朝阳行业,绿色产业肩负着政府产业升级的殷切期望,并备受价值投资者的瞩目。然而,关于证券市场对绿色产业的定价研究,尤其是对绿色化成本、绿色激励的定价一直较为少见。本文考察了证券市场中绿色产业的定价特征,采用机器学习方法囊括公司层面特征和宏观经济变量,旨在探究我国股票市场绿色股票的特殊定价机制,并比较不同算法下宏微观变量对绿色溢酬的样本外预测能力,以期为研究者提供更深入的研究视角和实践参考。 本文选取Choice数据库中节能环保概念分类的股票作为绿色概念股票,数据区间为2012年1月至2021年12月,参考已有文献构建成长类、账面价值比率类、盈利类、杠杆类等多类特征。在此基础上本文使用正则化线性回归、集成学习和神经网络三类机器学习算法构建股票溢价预测模型,分别进行月度频率和年度频率的预测。本文将处理完成的数据集输入不同的机器学习预测模型,考察其在样本外的预测表现,并对所有预测特征进行重要性分析。 本文的研究成果最终得出以下结论:(1)机器学习能够有效地应用在预测我国绿色概念股票的超额收益率场景。本文考虑的模型当中,Xgboost和4层神经网络表现最好。(2)在三大类因子对模型预测能力影响的排序中,动量类特征和成长类特征最有价值,波动率和流动性特征次之,杠杆类、账面价值比率影响较弱。月度频率预测和年度频率预测有不同的特征影响偏好。(3)加入绿色创新因素后,多种算法的年度预测性能有所提升。但特征重要性分析表明,只有在Xgboost上有较高的影响力,在随机森林和GBRT中影响力较弱。

关键词： 茶叶拼配   机器学习   品质评价   高光谱   图像处理  

摘要： 茶叶拼配是茶叶精加工中的一项工艺,旨在参考茶叶标准样,选择两种及以上外形、品质不一的原料茶按一定比例拼合,使拼配后茶叶的质量符合产品要求。目的在于提高茶叶品质一致性、稳定茶叶质量、扩大供货来源。在我国茶叶生产过程中,仍依靠拼配专家完成拼配工作,存在主观性强、难以定量等问题,不利于实现茶叶质量标准化。尽管目前理化分析方法可以用于检测茶叶品质,但由于试验过程复杂,检测速度较慢等问题,仍难以在茶厂中实现规模化普及。随着传感器技术的发展,各类图像、波谱检测技术被广泛用于茶叶的品质分析中,这为解决拼配问题提供新的思路。本文以眉茶为研究对象,采用计算机视觉技术与高光谱成像技术,面向拼配工艺中的成品茶等级判别问题、试拼小样与标准样的相似性评价问题、拼配比例设计问题开展研究,取得了以下主要结果:(1)针对眉茶等级判别问题,构建了表征其外形品质的几何特征,结合机器学习方法建立眉茶等级判别模型,实现7个等级眉茶的精准分类。本文提取了10种叶片几何特征并构建描述茶叶外形品质的特征直方图,分别基于XGBoost、LMNN和卷积神经网络3种方法建立外观等级判断模型。结果表明,3种方法在测试集中5折交叉验证的平均准确率均高于92%,其中使用卷积神经网络结合Softmax分类器的方法分类精度最高,测试集平均准确率为97.86%。结果表明,本文构建的外形几何特征能有效表征眉茶外观品质,结合卷积神经网络模型,能够精准实现眉茶等级分类。(2)针对茶叶拼配过程中试拼小样与标准样的相似性评价问题,本文提出了一种基于深度度量学习的相似性评价方法。本文采用7种等级的眉茶标准样作为训练样本,并在标准样中加入不同含量半成品茶构建具有不同相似性的测试样本。采集茶样的高光谱数据并提取光谱特征与图像特征,分别以光谱数据、图像数据、图谱融合数据3种类型的数据作为模型输入。为了构建距离特征空间,本文建立深度度量学习模型并设计了Center Anchor Triplet Loss损失函数,通过样本数据在特征空间中的距离,表征相似程度,达到定性判断相似性和定量度量相似度的目的。结果表明:深度度量学习方法可以准确评价茶样相似性,图谱融合数据结合Center Anchor Triplet Loss的方法精度最高,相似性判断准确率为98.89%,相似度度量准确率为100%。本文采用未经训练的独立样本评价模型,获得了较好的结果,说明算法具有较好的泛化能力,研究结果为眉茶的相似性评价提供了理论依据。(3)为了实现茶叶拼配比例的智能计算,本文构建基于强化学习机制的拼配比例计算模型,求解目标样拼配比例。选取4种眉茶拼配中常用的半成品茶,按比例拼合获得10种品质不同的茶样作为目标样。采集上述茶样的高光谱数据,面向拼配比例计算框架中的品质判断、茶叶光谱生成、拼配方案探索问题,分别构建机器学习模型。针对目标状态判断问题,基于深度度量学习构建茶叶相似性判断网络,用以评价当前状态茶样特征与目标样之间的相似性,判断是否符合目标样品质要求;针对数字化拼配中无法采集每种比例茶叶光谱的问题,基于TF-ACGAN网络训练茶叶光谱生成器,生成光谱被茶叶相似性判断网络准确分类的概率为94.25%;针对眉茶拼配问题设计状态、动作与奖励函数,结合茶叶相似性判断网络与茶叶光谱生成器分别构建GM-Q-learning和GM-TD3拼配比例计算模型,测试模型计算拼配比例的效果。结果表明,基于强化学习的茶叶拼配算法可以准确求解目标茶样的拼配比例,实现茶叶智能化拼配。本文面向拼配工艺中的茶叶等级判别问题,构建外形几何特征描述外观品质,实现茶叶等级分类;面向试拼小样与标准样的相似性评价问题,建立深度度量学习模型,利用样本特征距离量化茶样间的相似度;面向拼配比例计算问题,构建强化学习模型准确计算目标样拼配比例。本文针对拼配过程中的若干决策问题,提出了基于机器学习技术的智能化算法,有助于解决茶叶拼配技术中主观性较强的问题,提高拼配过程中的智能化水平,实现茶叶品质标准化。

关键词： Machine learning   Electromigration   Electronic design automation   Electrostatics analysis   Thermal modeling   VLSI reliability  

摘要： The reliability of Very Large Scale Integration (VLSI) circuits is crucial in modern electronic devices. VLSI circuits, which contain millions of transistors, are vulnerable to a variety of reliability issues such as electromigration (EM), time-dependent dielectric breakdown (TDDB), and temperature variation. These issues can lead to circuit failure and reduce the lifetime of electronic devices. Traditionally, VLSI reliability analysis and prediction have been performed using physics-based models and simulators. These models, however, are computationally intensive and can be time-consuming to run. In recent years, machine learning (ML) techniques have been used to predict and diagnose reliability issues in VLSI circuits. This thesis presents an in-depth study of machine learning techniques applied to EM analysis, post-silicon thermal map estimation, and electrostatics analysis. Specifically, the first segment proposes two data-driven ML methods for the fast prediction of transient EM stress of general interconnects in VLSI circuits. The traditional numerical partial differential equation (PDE) problem is treated as an image processing or graph aggregation problem which yields considerable speedup with acceptable accuracy. However, these methods are still supervised learning approaches, requiring extensive training data generated from numerical solvers. Therefore, the second segment proposes a hierarchical physics-informed neural networks (PINN) based method for EM analysis. This approach leverages PINN, which is trained mainly by physics laws with minimal labeled data requirements. The hierarchical nature of interconnects is leveraged, and the entire interconnect tree is solved step by step. Temperature variation has always been problematic in VLSI circuits, as reliability degrades drastically as temperature varies. The third segment presents a real-time thermal map estimation method for commercial VLSI circuits. This approach treats thermal modeling as an image-gen

关键词： 4D航迹预测   函数型数据分析   异常值识别   K-means聚类   深度学习  

摘要： 随着经济社会的发展,各地区的交流日益紧密,对交通运输的快捷性和准确性的要求越来越高,而民航作为一种重要的交通工具,其发展的重要性毋庸置疑。结合国外民航信息化和数字化的发展趋势及我国空中交通领域的发展要求,民航的数字化、智能化发展势在必行。从我国现用民航流量管理系统的功能性考虑,系统预测的准确性有待加强,因此需要更加准确且智能化的4D航迹预测方法,实现冲突预警、延误情况预测,不断提升航班运行的准确性,减轻管制员的压力。本文针对4D航迹预测结合模型建立的流程提出了三种方法: (1)基于函数型数据深度的异常航迹段识别方法。针对原始航迹数据集中存在的大量异常航迹段,通过函数型数据深度的概念建立异常值筛选方法,根据常用的函数型深度计算方法选择了Fraiman和Muniz(FM)方法、h-mode(h M)方法和随机投影(Random projection,RP)方法三种方法进行了对比实验。在筛选过程中关于阈值的确定使用了boostrap方法,针对基于修剪和基于加权的bootstrap方法分别使用实际样本进行实验,根据识别率(True positive rate,TPR)和误判率(False positive rate,FPR)判断识别效果。针对本文使用的航迹数据集,通过实验确定的识别方法计算后,TPR和FPR均达到了预期效果。 (2)基于函数型K-means聚类算法的局部航迹段聚类方法。针对航班离场后至爬升阶段航迹的差异,为了进行航路区分,使用函数型K-means聚类算法。在聚类过程中,由于传统方法只能针对单维序列聚类,无法融合航迹序列的时空特性。本文通过计算每一维特征的熵权值得到融合样本,进而进行聚类。针对此模型的中存在的不同的参数及方法(聚类个数的确定、类中心的确定方法、深度函数的计算方法)进行了实验,并使用轮廓系数评价实验结果。结果说明了此方法能较好地将不同变化模式的航迹区分开来。 (3)基于深度学习算法的4D航迹实时预测模型。针对4D航迹预测多变量多步预测的特性,选取了encoder-decoder结构建模。首先建立了长短时记忆网络(Long shortterm memory,LSTM)模型,然后针对航迹序列的时间性和空间性,为了更好地提取时空特征,分别建立ConvLSTM模型和TCN-LSTM模型。在超参数调整中,采用网格搜索和贝叶斯优化相结合的方式,针对输入数据长度和模型的多个超参数进行优化。最后对比建立两个基准模型,使用平均绝对误差(Mean Absolute Error,MAE)和均方根误差(Root Squared Error,RMSE)评估各模型预测效果,并验证了结合聚类算法的有效性,通过测试集模拟航迹预测的实况。 综上所述,本文提出的4D航迹处理及预测方法能够实现航迹异常值快速精确识别、局部航迹聚类和航迹的实时动态预测,对于我国民航流量管理系统中的4D航迹预测模块的发展具有重要意义。

关键词： 机器学习   岩性填图   遥感矿物识别   小样本采集   轻量梯度提升树  

摘要： 地质学正在从定性研究向定量化研究转变,推动这一过程的关键在于对多源、多维、多尺度数据的积累和对其进行综合、跨界的利用。岩性填图的数字化、信息化转型是地质学定量化的基础之一。传统岩性填图需要依靠专业地质工作者进行大范围、高密度的数据采集等野外工作。大数据时代背景下,机器学习方法也日新月异。如何基于多源地学数据,结合机器学习方法,实现岩性填图的数字化。本文以多龙矿集区岩性填图为例,构建了一种利用轻量梯度提升树模型,基于遥感卫星数据ASTER、Landsat8和1:5万地化数据的小样本采集岩性填图工作方法。论文主要内容包括: (1)基于遥感图像的蚀变矿物信息提取。对ASTER数据进行辐射校正、大气校正、干扰去除等预处理,再基于其丰富的光谱特征进行矿物蚀变信息提取,对研究区矿物分布实现初步了解。通过矿物蚀变信息对研究区进行初步区域划分,为后续设计人工填图路线提供支撑。 (2)最优模型和最佳预测数据集选择。采用支持向量机、随机森林、轻量梯度提升树三种机器学习模型,利用ASTER、Landsat8、地球化学数据组合成的七种预测数据集进行岩性分类,对比各模型在不同数据集上的岩性分类结果的可靠性。根据模型分类准确性和模型效率选择轻量梯度提升树作为预测模型,选择经过主成分分析降维的遥感数据和地化数据作为预测数据集。 (3)基于轻量梯度提升树模型进行小样本岩性填图研究。最终选用轻量梯度提升树模型对构建的训练数据集完成模型训练及预测,再利用均值空间滤波对预测概率图进行处理和优选,获得下一轮人工填图区域及地球化学样品采集路线,通过对模型进行迭代,最终生成基于小样本的岩性填图结果。 通过实验,本文提出的岩性填图方法经过5次迭代过程,在对研究区20%的区域进行人工填图后,获得了91%的岩性填图准确率,该结果说明了本文提出的基于轻量梯度提升树模型的地球化学小样本采集岩性填图方法既有效的降低了岩性填图工作量,又实现了较高的岩性填图精度,具有一定的可推广性。