关键词： 计算化学   可再生能源   人工智能   能源材料   机器学习  

摘要： 能源材料低碳替代与绿色转型是实现碳达峰、碳中和的重要途径。传统基于实验的能源材料开发流程具有高可靠性和可直观评估等优点，但存在时间和资源成本高、探索范围有限、依赖知识和经验等问题。本文介绍了能源材料替代与转型中的机器学习方法，回顾了机器学习技术在能源材料研发中的已有应用和可用在能源材料开发中的机器学习算法，分析了机器学习方法在能源材料开发和替代方面的原理、应用、优势与挑战。根据对机器学习方法在能源材料替代与转型中的应用优势和局限性进行系统综述和分析，从数据、模型及应用等方面提出了构建高质量数据集、开发高适配性机器学习算法及拓展高效能源技术和系统的思考与展望。分析表明，机器学习方法在模型适配程度、应用广泛程度等方面都有十分广阔的提升空间，在能源材料替代与转型领域应用机器学习方法具有显著价值和广阔前景。

关键词： CO   通量   机器学习模型   影响因素   模拟能力   冬小麦   夏玉米   农田  

摘要： 为探究典型冬小麦-夏玉米农田CO2通量的影响因素及不同机器学习模型对其模拟能力，选取中国生态系统研究网络禹城综合试验站冬小麦-夏玉米农田为研究对象，基于气象、土壤和作物生长等数据，通过类别型特征提升（CATBoost）、极限梯度提升（XGBoost）、支持向量机（SVM）、人工神经网络（ANN）、随机森林（RF）和K近邻法（KNN）六种机器学习算法，分析其对逐日净生态系统碳交换量（NEE）、总初级生产力（GPP）和生态系统呼吸（Re）模拟的准确性。结果表明：对不同机器学习模型而言，CATBoost模型对农田NEE、GPP和Re模拟的准确性都优于其他模型，XGBoost模型次之。对不同输入变量组合而言，当包含气象变量、土壤变量和作物变量时各机器学习模型的模拟效果最佳，其次是包含气象变量和作物变量，而包含气象变量和土壤变量的模拟效果相对较弱。对不同农田类型而言，六种机器学习模型在不同输入变量组合下表现出冬小麦田NEE、GPP和Re的模拟效果分别优于对应的夏玉米田。其中冬小麦田GPP和Re的模拟准确性相近，且优于NEE；而夏玉米田NEE和GPP的模拟准确性相近，且优于Re。

关键词： 选区激光熔化   极端梯度提升   机器学习   Ti-6Al-4V合金   熔池分类  

摘要： 鉴于选区激光熔化（selective laser melting， SLM）Ti-6Al-4V钛合金的实验样本有限，利用小数据集进行机器学习（machine learning， ML）以优化其工艺参数一直是业内亟待解决的关键问题。本文借助极端梯度提升(eXtreme gradient boosting ， XGBoost)算法，结合实验测试、高精度熔池动力学仿真以及工艺尺度的有限元分析，构建了一个数据驱动的SLM Ti-6Al-4V钛合金熔池分类的机器学习预测模型框架。该框架不仅利用高精度的仿真方法预测了不同工艺条件下SLM Ti-6Al-4V合金的熔池特性，还将这些仿真结果作为补充样本，与实验数据相结合，增强了数据集的多样性和丰富性。同时，本文引入了SLM特征化方法和一系列评估指标，通过采用优化的极端梯度提升技术，成功建立了工艺参数与熔池类型之间的定量关系。研究结果显示，即使在有限的数据集下，优化的极端梯度提升模型依然展现出较好的预测性能。

关键词： 人工智能   预测模型   TRIPOD+AI   报告规范  

摘要： 随着人工智能(AI)和机器学习方法在预测模型开发中的广泛应用,个体预后或诊断的多变量预测模型的透明报告(TRIPOD)2015指南已无法全面适应当下研究需求。本文旨在介绍和解析新版报告规范基于回归或机器学习方法的TRIPOD(TRIPOD+AI),通过详尽剖析27项清单条目,帮助研究者在比较TRIPOD 2015与TRIPOD+AI的基础上,更好地理解和应用这一更新的指南,以提高预测模型研究的报告质量、透明性和可重复性。

关键词： Retinex(MSR)   预处理   信噪比   动态注意力机制   Im-YOLOv5  

摘要： 针对当前化工行业中员工安全帽佩戴检测方法效率低、实时性差等问题,为减少员工由于未佩戴安全帽进入生产装置而发生意外情况,提高安全生产效率,文章提出了一种基于改进YOLOv5算法的员工安全帽佩戴检测方法。首先,采用多尺度Retinex(MSR)图像处理算法对生产现场视频图像进行预处理,提高视频图像的信噪比,降低噪声干扰;其次,结合SKNet动态注意力机制对原YOLOv5算法模型进行改进,提高视频特征信息提取能力,优化算法的检测精度;最后,对改进的Im-YOLOv5模型的检测准确率进行实验验证。实验结果表明,改进的Im-YOLOv5模型的mAP(mean average precision)达到了93.5%,其准确率相较于YOLOv5得到了提升,具有较好的检测效果。

关键词： 机器学习   粒子群优化算法   浅埋暗挖隧道   智能预测   地表位移  

摘要： 浅埋暗挖隧道的地表位移受众多因素影响,如隧道几何参数、地质力学参数和施工参数等。因此,建立一种能够应对复杂条件的地表位移智能预测方法,是浅埋暗挖隧道关注的核心问题,也是实现隧道智慧化施工的重要基础。采用4种机器学习方法,分别为支持向量回归、随机森林、反向传播神经网络和极限学习机,并结合粒子群优化算法确定4种机器学习模型的最优超参数或随机数,从而建立一种针对浅埋暗挖隧道地表位移的混合智能预测方法。以北京地铁12号线安华桥站—安贞桥站区间段为工程背景,构建了包含73组浅埋暗挖隧道地表位移数据的数据库,并基于3种性能评价指标(决定系数R2、平均绝对百分比误差MAPE和均方根误差RMSE)对4种混合智能预测模型的预测性能进行了对比分析。此外,采用SHAP模型研究输入特征对输出值的贡献,讨论了各影响因素对地表位移的相对重要性。结果表明,支持向量回归混合智能预测模型在测试集中性能最佳,R2为0.86,MAPE为0.0079,RMSE为1.94 mm;土的压缩模量对地表沉降影响最大,其次为隧道的中心埋深和隧道横截面的宽度。

关键词： 人力资源管理   国有企业员工   员工绩效评价   工作绩效   机器学习方法   绩效评价研究   竞争力   核心地位  

摘要： 人力资源管理对于现代企业的生存和发展具有十分重要的作用,是企业在市场中取得核心地位的关键因素,对员工的绩效评价是企业人力资源管理的基础,完善企业员工绩效评价过程,探索科学的员工绩效评价方法对企业提升其竞争力和工作绩效有决定性作用。

关键词： 机器学习模型   贷款预测   模型可视化  

摘要： 随着网络借贷的迅速发展以及市场的饱和,银行贷款业务的客户数量越来越少,甚至让银行陷入获取贷款客户难的窘境。因此,银行客户的贷款分析与预测至关重要。探讨了银行贷款客户与非贷款客户的差异,采用描述性统计分析,并通过斯皮尔曼单因素分析和随机森林算法进行特征选择,以分析用户特征之间及其与贷款意愿的相关性。最终,利用随机森林、逻辑回归、朴素贝叶斯、梯度提升树和XGBoost等算法构建多套贷款预测模型,通过效果对比确定了最佳模型。研究结果表明,所建立的模型具备较高的准确性,能有效支持银行决策者预测客户贷款意愿。

关键词： 电力现货市场   电价预测   机器学习   深度学习   Transformer模型  

摘要： 随着全国统一电力市场的逐步建设,电价预测领域吸引了越来越多的学者关注。开发高效、精准的短期电价预测模型,不仅能够为电力现货市场的买卖双方提供决策支持,还能提升各方的风险控制能力,从而为建立高效统一的电力市场提供量化支撑。由于电力价格有随机性大、波动性高和时效性强等特点,将机器学习方法应用在短期电价预测领域能够综合考虑多方因素,能在较短的时间内拟合较为复杂的非线性电价数据,得到更为精准的预测结果。本文对基于机器学习的短期电力价格预测方法进行了综述,深入分析了各类方法在不同情境下的预测效果、适用性及其优势与不足,并对未来研究方向进行了展望。

关键词： 机器学习   品种分类   基因组标记   绵羊   准确性  

摘要： 旨在评估基于基因组标记的机器学习（machine learning, ML）算法在品种分类中的有效性，检验不同ML算法在绵羊品种分类中的应用效果如何。本研究采用2种方式对10个绵羊品种进行单核苷酸多态性（single nucleotide polymorphisms, SNPs）位点选择，第一种利用群体间分化指数(fixation index,FST)进行选择，第二种方式是在FST的基础上使用Boruta特征选择算法对SNPs位点进一步筛选。采用K-近邻、支持向量机（support vector machines, SVM）和自适应增强（adaptive boosting, AdaBoost）等8种不同类别的ML算法对绵羊品种进行分类，采用准确性评估不同SNPs选择方式和不同ML算法在品种鉴定中的差异，鉴定绵羊品种分类的最佳组合方式。本研究采用的数据中既有遗传关系较远的品种，也有遗传相似的品种，保证了后续分析的可靠性。根据前1%的筛选标准，FST分析每次筛选出5 361个SNPs位点，Boruta算法最终保留（328±11.7）个SNPs位点用于ML品种分类，且在多次迭代后，被标记为“确认”的SNPs位点得分稳定高于阴影特征和被标记的其他两类SNPs位点。Boruta算法保留的SNPs位点数远低于FST分析。在使用ML模型进行品种分类时，大多数模型的准确性均高于0.9。其中，经过Boruta算法选择SNPs位点之后使用SVM模型进行品种分类准确性最高（0.953）,AdaBoost表现也同样优秀（0.947）,仅使用FST选择SNPs位点之后使用NB模型分类效果最差（0.601）。除NB外，其余模型接收者操作特征曲线下面积均接近于1。无论使用哪种SNPs选择方式均具有较强的区分能力，使用Boruta算法后效果略好。根据上述结果表明，ML方法的实施有效提高了品种分类的准确性，在绵羊品种鉴定中有良好的应用潜力。