关键词： 房地产企业   债券违约   风险预警   机器学习方法  

摘要： 近年房地产板块债券违约日益突出,房地产企业一直以来有着“资金密集、高杠杆”的特征,供给和需求均依靠融资,整体财务杠杆偏高,资金周转压力大。特别是随着国家出台系列的组合收紧政策,如“房住不炒”持续强调房屋居住属性、“房企融资新规”设置三道红线规范融资规模,“房地产贷款集中度管理制度”收紧居民住房贷款政策,地产金融化脚步放缓,投资属性受限,住房需求逐渐下降,各房地产企业回款速度放慢,因此高负债高周转的房企开始出现大规模大范围的债券违约事件。本文借助房地产企业实质违约事件,运用机器学习方法研究房地产企业债券违约风险预警,即回答三个研究问题:(1)致使多家房地产企业频繁出现债券违约的共性原因是哪些?(2)机器学习是否可以有效对房地产企业债券违约风险进行预警?如果可以,何种方法具有更好的预警效果?(3)对于识别房地产企业债券违约风险,何种维度的预警指标预警功能更好?本文利用2018年以来房地产企业的实质违约事件,对房企债券违约进行现实刻画并剖析违约风险爆发的深层次共性成因,基于此从宏观经济、债券特征、发行人特征、财务特征和经营特征五个维度构建房地产企业债券违约风险预警指标体系。然后运用Logistic回归、Lasso回归、岭回归Ridge、弹性网络Elastic Net、支持向量机SVM、随机森林RF、极端梯度提升树XGBoost和K近邻KNN算法等8种常用的机器学习方法搭建债券违约风险预警模型,并实证检验机器学习方法对房地产企业债券违约风险的预警效果和五个维度预警指标的预警能力。研究结果表明:(1)本轮债券违约发生的直接原因是房地产企业陷入“流动性危机”,而深层次原因是房企存在业务经营不善、陷入财务困境和债券低评化高利化长期化等急需筹措资金表现与外部宏观经济下行和房市调控趋严的“联结效应”。(2)通过模型评价指标分析,8种模型的准确率、召回率、F1和AUC值的预警准确度均在64%以上,说明机器学习方法能有效预警房地产企业债券违约风险。通过对比评价指标发现,极端梯度提升树XGBoost模型划分正例的能力F1达到0.8303,模型评估效果AUC值为0.8648,违约债券总数为2528,该模型成功预测出2011个,召回率为0.89;正常债券样本误判为违约债券的305个,查准率为88.52%,说明该模型在房企债券违约问题有着更加突出的预警性能,更适用于房企债券违约风险预警。(3)基于较优预警方法XGBoost的房地产企业债券违约风险预警模型的预警指标贡献度分析,各维度对房地产企业债券违约风险都有预警作用。研究发现票面利率、发行期限、发行市场等债券特征的预警贡献度是33.26%,是引发房企债券违约风险最重要的一类预警指标。其次是营运能力、现金质量、盈利能力及偿债能力等代表财务特征的预警指标,也会显著影响房企债券违约的可能性,预警贡献度是25.14%。最后,预警贡献度从高至低依次是经营特征20.39%、宏观经济特征16.9%和发行人特征4.31%。据此,提出如下政策建议:一是健全房地产企业债券违约全口径监测评估平台和风险预警体系。二是房地产企业须转变经营理念,稳健经营,提升房企经营管理水平。三是建立健全债券市场信息披露制度,完善房地产金融的宏观审慎管理政策体系。

关键词： Convolutional neural networks  

摘要： Diagnosis with Chest X-Rays and other forms of medical images has soared to new heights as an alternative Covid-19, pneumonia, TB infection detector. Radiographic images, primarily X-Rays images play massive roles in assisting radiologists to detect and analyses severe medical conditions. Computer-Aided Diagnosis (CAD) systems are used successfully to detect diseases such as tuberculosis, pneumonia, covid-19 and other common diseases from chest X-ray images. The main objective of this study is to develop a model capable of detecting multiple diseases from chest X-rays, with the aim of assisting radiologists and other healthcare providers in making more informed and timely diagnoses. The proposed framework includes four main steps to identify various clinical states such as analysis of the chest X-Ray image dataset and dataset preprocessing, feature extraction, classification with machine and deep learning classifiers and building an ensemble method that can aid in the diagnosis of various diseases using image processing and artificial intelligence algorithms to quickly and accurately identify COVID-19, pneumonia, TB and other diseases from X-Rays to stop the rapid transmission of the virus. The authors obtained a training accuracy of 98% to 100% across all models. © 2022 by the authors.

关键词： 3D NAND flash   闪存可靠性预测   随机森林   XGBoost   贝叶斯优化调参  

摘要： 随着信息时代的发展,存储系统需要更大的存储容量,三维堆叠闪存(3D NAND flash)因具有读写速度快、成本低、高密度和低功耗等优点成为存储市场主流之一的非易失性存储器。然而与传统的二维平面闪存(2D NAND flash)不同,更高的存储密度也带来了更多的可靠性问题,如何对3D NAND flash可靠性进行预测,从而提高其使用寿命便成为了亟待解决的问题。本文设计3D NAND flash可靠性测试方案,并根据测试数据建立基于机器学习的多分类可靠性预测模型。 本文首先搭建3D NAND flash可靠性测试环境,设计针对闪存循环编程擦除干扰和读取串扰的测试方法,研究了测试闪存块相关物理参数的实际变化规律,并根据规律选择合适的特征作为预测模型的输入参数,根据错误比特数设置多个标签分类作为输出,使用随机森林和XGBoost两种算法模型,学习得到了对应两种实验数据的四个模型,之后分别通过贝叶斯进行优化调参,最后采用混淆矩阵比较模型预测效果。 实验结果表明,闪存页平均错误数、闪存页类型差异、闪存块最大页错误数、闪存页平均编程时间、闪存页平均读取时间能够较为充分地体现闪存的可靠性,适合作为闪存可靠性预测模型的输入参数。四个模型对闪存可靠性预测的准确率分别为0.5693、0.5994、0.6671和0.6713,经过对比分析,XGBoost算法模型的预测效果优于随机森林算法模型。基于贝叶斯原理进行优化调参可以提高模型预测效果,优化后的准确率分别为0.6388、0.6410、0.7024和0.7087,分别提升了12.21%、6.94%、5.29%、5.57%,循环编程擦除干扰测试数据的随机森林模型预测效果提升最多。本文提出的多分类模型建立方法可以得到比较准确的3D NAND flash可靠性等级预测模型,为闪存可靠性预测提供新的思路和解决方法。

关键词： 围产期焦虑障碍   COVID-19   逻辑回归模型   随机森林   Shapley Additive explanation(SHAP)  

摘要： 全球各地频繁爆发的突发公共卫生事件对日常生活造成巨大破坏,也会对事件发生地人们的心理健康造成严重不良影响。2019年末爆发的新冠肺炎疫情使政府实施强制性公共卫生政策以减少病毒传播。孕产妇是这一时期的心理健康脆弱人群。围产期心理健康问题对母亲和胎儿有严重不良影响。因此,孕产妇心理健康是突发公共卫生事件下急需关注的优先事项。焦虑是孕产妇最常见的心理健康问题之一。在新冠早期,孕产妇焦虑的影响因素不明确,尤其是不同因素的相对重要程度不明,导致缺乏科学有效的干预策略。 本文在调研国内外孕产妇焦虑的影响因素的基础上,深入探讨新冠疫情早期我国孕产妇相关因素对焦虑的影响,有针对的原因分析和提出建议。由于逻辑回归的共线性限制和机器学习缺乏可解释性,本文综合采用逻辑回归、随机森林和可解释性机器学习相结合的研究框架探究新冠疫情早期我国孕产妇焦虑的影响因素。主要贡献如下: (1)本文提出的综合研究框架为未来的特征选择和影响因素识别研究提供了新的见解。采用多种方法补充分析逻辑回归中未纳入的特征,解释随机森林的结果,支撑可解释性机器学习的构建,同时验证彼此的研究结果。 (2)发现新冠疫情早期孕产妇焦虑的风险和保护因素,实现有效地孕产妇焦虑预防、识别和干预,为不同孕产期阶段、不同居住城市的孕产妇提供精准化的干预提供依据。 (3)可用于完善孕产妇不良心理健康问题的公共卫生管理筛查工具,为新冠疫情结束后的正常生活中孕产妇心理健康防治提供有力支撑。 (4)提出的综合框架不仅适用于分析新冠早期孕产妇焦虑问题,同样对其他突发公共卫生事件下孕产妇心理健康调适具有重要现实意义。

关键词： 生物信息学   DNA复制   表观遗传学   三维染色质互作  

摘要： DNA复制(DNA Replication)是指在细胞分裂间期,亲代DNA分子按照碱基互补配对原则合成两个相同的子代的过程。该过程是细胞生命活动的基础,能够确保在细胞分裂时将遗传信息准确传递给子细胞,对维持细胞遗传信息的稳定和众多生命活动过程起着至关重要的作用。对于具有较大基因组的真核生物,需要多个复制起始位点(Origin of DNA replication,ORI)同时进行复制,从而达到遗传信息高效传递的需求。因此,精密地协调基因组中众多复制起始位点的发生,是保证真核细胞遗传信息正确传递的关键。研究DNA复制起始机制的关键步骤是高精度、大规模地确定复制起始位点在基因组中的位置,然而当前复制起始位点识别模型在物种丰富度、特征有效性、与疾病关联分析方面均存在局限性,为此本文的研究重点是从多物种、多角度、多尺度来分析并识别复制起始位点。基于DNA序列、表观遗传标记、染色质三维结构、以及复制时序(Replication Timing)对复制起始进程的影响,本文将DNA复制与序列信息、表观遗传标记、三维染色质结构相关联,深入挖掘复制起始调控机制,构建真实反映复制发生规律的复制起始位点识别模型,并从时间维度探究DNA复制起始与疾病的关联关系,系统表征复制时序与癌症发生之间的关系。全文的具体研究内容如下:(1)针对复制起始位点识别模型的物种局限性,本文分析了不同真核物种复制起始位点的序列保守模式,并利用DNA序列信息构建了首个多物种真核基因组复制起始位点在线预测平台i ORI-Euk(http://***/server/i ORI-Euk/),解决了预测软件在实际使用层面可利用性不足的缺陷。i ORI-Euk模型按照以下步骤进行构建:首先,收集并构建真核复制起始位点基准数据集,利用k-mer组分和单核苷酸二进制编码提取序列信息;然后,利用特征组合策略结合F-score特征筛选方法获得最优特征子集;最后,采用支持向量机(Support Vector Machine,SVM)进行模型训练。5-折交叉检验结果显示i ORI-Euk的模型预测精度达到了80%～94%,证明了模型的鲁棒性,此外,方法间的比较分析表明,i ORI-Euk在预测精度值上比其它工具提高了4%～18%。基于模型的高预测性能,本文搭建了高效的复制起始位点在线预测平台i ORI-Euk,通过该平台,用户可轻松获取多种真核物种全基因组中潜在的复制起始位点的信息,以此满足用户对多物种的需求。(2)复制起始的触发受DNA序列信息调控外,还涉及复杂的表观调控机制,需要多种表观遗传标记协同发挥作用,仅从DNA序列层面可能不足以精确定位复制起始位点。因此,本文分析了表观遗传标记与人类基因组复制起始位点的关系,并探究了表观遗传信息识别复制起始位点的能力。研究结果表明,复制起始位点与活性表观遗传标记和染色质可及性高度耦合,表观遗传标记在复制起始区域与其侧翼区有显著富集差异,并且发现复制起始区域富含高GC含量的转录因子DNA模体(Motif),这些发现说明表观遗传信息具有预测复制起始位点的潜力。因此,本文利用表观遗传标记和转录因子的DNA模体序列刻画复制起始位点的表观遗传特征,并利用随机森林(Random Forest,RF)进行模型训练。结果显示,基于表观遗传标记和转录因子DNA模体序列特征的模型分别获得0.9033和0.9042的预测精度,证明了表观遗传标记在识别复制起始点中的有效性。(3)DNA复制起始位点的选择还与染色质三维构象相关,位于染色质结构域内部、聚集在一起的复制起始位点有更高的起始概率。为此,本文利用三维染色质构象数据,系统探究了三维染色质互作对人类基因组DNA复制起始的影响。具体研究策略如下:首先,单独使用三维染色质互作信息识别复制起始位点,研究结果表明染色质互作信息能够有效识别复制起始位点(AUC=0.8488)。为了获得更精确的预测模型,采用特征融合策略结合递归特征消除技术分别获得多模态特征集(染色质互作特征、表观遗传标记、DNA模体特征)和最优特征子集。结果显示多模态特征融合策略能够显著提升模型的预测性能(AUC=0.9627);此外,特征筛选方法有效地去除了大量的冗余特征,进一步提升了模型的鲁棒性(AUC=0.9638)。最终,本文研究证明了多模态表观遗传信息可以精确识别人类基因组复制起始位点,并解释了三维染色质结构对复制起始位点识别的重要性,提供了多模态特征识别真核复制起始位点的范例。本文开发的多模态特征识别真核基因组复制起始位点的研究框架可从Github(https://***/lin Ding-group/i ORI-Epi)免费获取。(4)本文前三个部分的研究突破了多物种、多模态特征的复制起始位点的研究局限,但缺乏从时间角度

关键词： 多模态机器学习   恒星   类星体   测光红移   卷积神经网络  

摘要： 面对海量的天文观测数据,自动高效地对天体分类可以帮助天文学家进一步地进行科学研究,对于分类后的天体,它们的重要参数预测又成为了新的研究任务。本文针对恒星、类星体的分类,以及类星体的重要参数之一红移的预测,结合机器学习的方法,提出了新的解决方案。先从单模态的数据入手,对天文数据进行分析和处理,实现恒星的自动分类,再引入多种模态的数据,提高了恒星和类星体这两类易混淆天体的分类准确率,最后利用多模态机器学习的方法提升了类星体测光红移预测的精度。具体分为以下三个部分。首先,面对高维度的恒星光谱数据,本文进行归一化等预处理,并构建了基于卷积神经网络的恒星光谱型和光度型分类模型CSSL＿CNN,同时从两个层面给出恒星的类别。实验结果表明,与现有的恒星分类模型相比,CSSL＿CNN不仅避免了对标准恒星库的依赖,而且提取出了数据中的深层特征,并且获得了较高的分类准确率。其次,面对难以区分的恒星和类星体图像,本文提出了一种基于多模态机器学习的天体分类方法。由于图像数据中蕴含的特征稀少,所以引入特征丰富的光谱数据,充分对齐和关联两个模态,实现了特征融合,最终共同完成恒星和类星体分类任务。与单独通过图像数据进行分类相比,引入光谱数据的多模态分类方法显著提高了分类准确率。最后,针对测光数据特征稀少,测光红移预测精度难以提升的问题,本文引入对应的光谱数据作为补充特征,构建了测光-光谱特征转换模型,并且基于转换后的数据,提出了一种基于多模态转移学习的类星体测光红移预测模型PhotoRedshift-MML,实验表明了PhotoRedshift-MML模型相较于使用单模态的类星体测光红移预测方法提升了预测精度,验证了多模态模型的有效性和普适性。

关键词： 鄱阳湖   栖息地   机器学习   卷积神经网络   景观指数  

摘要： 为了解鄱阳湖冬季栖息地类型的长期变化特征,探讨鄱阳湖冬季栖息地景观景观变化的驱动因素,本次研究利用1990-2021年的18张Landsat 5 TM和Landsat8 OLI的L2A级无云影像提取鄱阳湖冬季栖息地景观类型。并对比了随机森林、支持向量机、梯度提升树和分类与回归树等这四种机器学习算法及卷积神经网络算法的分类精度。运用NDVI、MNDWI、NDBI和EVI来识别栖息地景观类型。通过制作转移矩阵来描述各种景观类型的转换情况并进行景观格局指数分析。结果表明:(1)随机森林、支持向量机、梯度提升树和分类与回归树这四种机器学习算法的总体分类准确率均在98%以上,Kappa系数均大于0.98。在这四种机器学习算法中,随机森林算法分类性能最好。基于上述的研究,利用随机森林和卷积神经网络对鄱阳湖生态经济区进行分类后发现,卷积神经网络的分类精度高于随机森林,训练集的精度均在99%以上且波动较小。(2)采用随机森林算法对1990-2021年的Landsat遥感影像进行鄱阳湖冬季栖息地栖息地景观分类,并根据1990-2021年鄱阳湖冬季栖息地景观类型的百分比图和1990-2021年的面积变化图发现,鄱阳湖在冬季水面面积缩小时,泥滩是该时期的主要栖息地景观类型。(3)根据1990-2021年鄱阳湖冬季栖息地景观类型的分类专题图发现:草洲一般出现在泥滩周围,沙地主要分布在鄱阳湖主河道附近。鄱阳湖周边耕地主要分布在研究区东南部,在1998-2004年间耕地面积呈下降趋势,这可能与“退耕还湖”的地方政策有关。(4)为了揭示三峡大坝对鄱阳湖生态环境的影响,对建坝前后的鄱阳湖栖息地景观类型进行了对比研究。通过转移矩阵的分析,发现建坝前的泥滩面积大幅增加,而建坝后更多的泥滩转化为草地。总体上,建坝后泥滩面积较建坝前有所减少。(5)分析了1990-2021年的景观格局指数变化。1990-1997年景观斑块密度呈逐年波动趋势,表明鄱阳湖冬季栖息地类型进一步分散。而1997-2021年,景观斑块密度和景观干扰指数均呈下降趋势,景观聚集指数呈上升趋势,表明栖息地的完整性已经恢复。(6)通过研究不同年份的水位差异对鄱阳湖栖息地景观分类结果的影响,发现水域面积的长期变化与水位变化并不一致。这表明本研究分类结果的水域面积变化不太可能是由水位变化引起的,即水位不是影响鄱阳湖不同栖息地景观类型变化的主要因素。

关键词： 拉曼光谱   机器学习方法   矿物药   分类识别  

摘要： 目的:利用拉曼光谱技术结合机器学习方法通过检测易混淆的矿物类中蒙药材进行分类识别,进为临床复方制剂的质量评价和安全用药方面提供简便、快速、有效的新方法。方法:通过拉曼光谱技术测定市场购买的硫磺、碳酸盐类、硫酸盐类等10多种易混淆的矿物类中蒙药材的拉曼光谱,并找到它们特征峰及其归属,在此基础上,构建基于拉曼光谱技术的识别方法,并将其跟主成分分析(PCA)-支持向量机(SVM)相结合,实现光谱图的快速识别方法,并分别对两批次硫磺(购买地不同)和两批次寒水石(购买地不同)及两批次芒硝(购买地不同)进行了分类识别。结果:虽然其拉曼光谱非常相似,用肉眼无法进行区分,但使用PCA-SVM算法,可以对光谱图进行准确的分类识别,其准确率为100%。结论:该方法具有检测快、数据准、对药材无损、方便、低成本、且对矿物药有高灵敏度等优点,能够补充其他检测方法的预处理过程复杂、检测时间长、成本高等不足之处。通过检测上述易混淆的几种矿物类药材,该方法对临床复方制剂的质量评价和安全用药方面具有重要的应用价值。

关键词： 水位   神经网络   优化算法   误差修正   层次聚类   二次分解  

摘要： 精确的水位预测对于大坝、堤防等水利基础设施的安全具有非常重要的意义。然而,由于水位信息具有非线性,非平稳性的特点,准确预测水位是具有挑战性的问题。随着目前机器学习方法的发展,神经网络能够适应数据的非线性特征,从而在水文信息预测领域得到广泛的应用。传统的神经网络单模型的预测精度已经不能满足现如今的预测精度要求,基于机器学习方法的组合模型显示出一定的优势。本文针对以上问题,提出两种新的基于神经网络的组合模型来预测水位信息,以提高水位预测的准确性和可靠性。本文研究工作主要聚焦于以下两个方面:(1)提出一种基于变分模态分解(Variational mode decomposition,VMD)、ELMAN神经网络、遗传算法(Genetic Algorithm,GA)和自回归移动平均模型(Autoregressive Integrated Moving Average,ARIMA)的组合模型(VMD-GA-ELMAN-VMD-ARIMA)。首先将水位用VMD预处理数据,用GA优化ELMAN的参数,再预测每个子序列,同时将误差序列用VMD分解,并用ARIMA模型预测,最后修正之前预测的水位。文中采用张掖市黑河的三组不同水位站点的数据,建立了10种对比模型比较该模型的性能。结果表明,VMD分解算法与GA-ELMAN和ARIMA模型结合的组合模型具有提高预测效果的性能。此外,VMD双处理能很大程度上提高预测精度。(2)提出一种基于改进的自适应噪声完备集合经验模态分解(Improved Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,ICEEMDAN)和变分模态分解(VMD),极端学习机(Extreme Learning Machines,ELM)和鲸鱼优化算法(Whale Optimization Algorithm,WOA)的组合模型(ICEEMDAN-VMD-WOA-ELM)。首先,采用层次聚类方法提取与预测日相似性较高的黑河五组不同站点的历史数据,并用箱线图分析提取后的数据。然后用ICEEMDAN对分析后的不同的水位数据集预处理,将得到的高频子序列IMF1用VMD二次分解。随后利用WOA的全局优化能力,优化ELM的参数,同时预测每个子序列,将预测值累加,得到最终的水位预测结果。结果表明:(a)模型由层次聚类方法将历史数据找到水位的周期性波动,并用箱线图检测和校正,可以在保持其主流趋势的同时,大大降低异常值对序列的影响;(b)ICEEMDAN-VMD模型的二次分解比ICEEMDAN单分解预测误差小;(c)WOA的加入也可以提高水位的预测精度。两种新的模型验证了基于机器学习方法的组合模型具有稳定性和准确性,对未来的水位研究具有重要的意义。

关键词： 机器学习   智能家居系统   活动识别   随机森林模型   交互设计  

摘要： 随着科技的快速发展,以机器学习为基础、凸显人体行为活动识别的智能家居产品不断被人们所了解。而智能家居产品基本还是以人工操作和自动化控制为主,缺乏一定的灵活性。针对这一现状,本文研究并分析了基于机器学习方法的智能家居数据集,利用numpy和pandas库进行数据处理,以及监督学习算法中的随机森林模型,并将其应用于智能家居系统的研究中。通过对智能家居数据集的分析及可视化,得出智能家居系统相应的设计依据。1.针对目前智能家居存在的问题,如对抗性机器学习等网络攻击、设备功能同质化严重、注重单品功能而忽视联动、难以适应家庭中不同年龄结构人群的普遍需求等。本文分别从安全隐患的排除、精细化与集成化设计、以及回应用户情感等方面入手,由此构建一套基于活动识别的智能家居系统架构,突出用户的行为识别。另外,采用Zig Bee协议加强安全和稳定性,利用随机森林模型进行训练。2.对不同智能家居系统模块进行分析,主要从环境感知、智能控制、安全防护以及照明智控四个方面对家居中不同任务进行合理分工,不同子系统采用相应的智能化技术,从而实现整体的空间与场景控制。然后通过对智能家居数据集的处理和分析,将不同的人体行为数据进行单个特征统计以及两两特征之间的可视化,得出相应特征的重要度。3.结合智能家居数据集的分析结果,从智能家居的基本空间布局出发。采用数据库分析、随机森林模型以及相关性分析的方法,进行整体智能家居系统的设计。首先构建智能家居系统,以用户为主导,与智能控制端、终端以及网关之间形成联系,通过不同空间分区实现不同的功能控制。其次对智能家居六个场景单独设计和多个场景的联通设计。最后通过语音、触控和体感交互完成用户与系统的深层次控制,以界面设计的方式完成移动端不同空间及功能的联通,并对设计进行评估。将机器学习方法融入智能家居系统设计之后,结合数据分析和设计评估,结果表现出良好的特性,同时也能完善智能家居系统的设计。