关键词： Ultrasound directed self-assembly   Machine learning   polymer-matrix composites (PMCs)   Particle-reinforced composites   Electrical properties   3-D printing  

摘要： Engineered polymer matrix composite materials with designer electrical properties are important for a myriad of engineering applications including flexible actuators and wearable sensors. We use stereolithography in combination with ultrasound directed self-assembly to align electrically conductive microfibers in a photopolymer matrix. We relate the fabrication process parameters to the resulting filler material alignment and corresponding electrical conductivity using supervised machine learning methods and quantify the prediction accuracy of data-driven models derived from different interpretable and non-interpretable algorithms. We determine that decision tree and artificial neural network algorithms result in data-driven models with R-2 scores that are 79.8% and 83.2% higher, respectively, than a traditional multivariate regression analysis benchmark model in predicting the microfiber alignment. Similarly, random forest and artificial neural network algorithms result in data-driven models that predict composite material electrical conductivity 9.1% and 13.7% more accurately, respectively, than a logistic multivariate regression benchmark model. Relating the fabrication process parameters to the resulting electrical conductivity of the material is a crucial step towards fabricating polymer matrix composite materials with designer electrical properties for use in engineering applications.

关键词： 状态监测   分类算法   机器学习   减振器故障   悬挂元件  

摘要： 状态修利用数据采集、数据处理和决策分析,并根据部件的实际状态安排维修计划。采用状态修技术可以提高铁路系统的可靠性。本文针对不同运行工况下一系悬挂和二系悬挂系统减振器性能已经衰减的轨道车辆进行了仿真分析,生成了一个大型仿真数据库,并用于训练和测试分类算法,以检测面临的减振器故障。把车体、转向架构架和轮对的加速度计信号之间的频率响应函数作为故障指标和预测根据,并提供给分类算法。研究结果表明,1-紧邻分类器和线性支持向量机分类器对减振器性能衰减的预判均具有较高的分类能力。

关键词： 机器学习   夏季降水   预测  

摘要： 利用湖南97个国家站的逐月降水资料、国家气候中心130项气候指数集以及国家气候中心和美国国家环境预报中心两套季节预测模式的降水预测资料,采用递归特征消除法确定预测因子并使用多层前馈神经网络、支持向量回归和自然梯度提升三种算法建立了两种湖南夏季降水统计预测方案的模型,检验了预测效果。结果表明:基于机器学习的预测模型对湖南夏季雨型分布有较好的预测能力,两种统计方案提前1~6 mon起报的夏季降水平均距平相关系数分别为0.15和0.19,相比于NCEP和NCC模式有较大提升,平均PS评分分别为69.3和69.2,高于NCC模式的63.1,略低于NCEP模式的71.5;进一步分析表明,3—5月起报的机器学习模型的预测技巧可能来源于前冬极地和中高纬环流,12—2月起报的模型预测技巧则可能来自海温的前兆信号。

关键词： 碳价预测   Transformers模型   CEEMDAN模型   湖北碳市场  

摘要： 碳价是碳排放权交易市场的核心要素,对碳价的准确预测有助于政府科学制定碳市场政策;也有利于企业在碳市场中的有效决策,实现碳减排成本的最小化。本文基于CEEMDAN和Transformers模型提出一种全新的碳价预测方法,首先,从理论层面分析了影响碳价预测的主要因素,并运用皮尔森相关系数法识别出影响湖北碳价的关键因素;其次,考虑到碳价序列具有的非线性、非平稳性和多尺度特征,运用CEEMDAN模型对湖北碳价原始序列进行分解,得到7个子序列;最后,运用Transformers模型对7个碳价子序列分别进行预测,并将预测结果进行叠加,从而得到湖北碳价的最终预测结果。预测结果表明:运用该方法对湖北碳价预测的MAPE值为1.67%,是所有对比模型中预测效果最好的。基于此,要关注影响碳价的关键因素,建立碳价预测体系、开发碳价预测工具,科学设定碳配额量。

关键词： 区域性自由贸易协定   双边贸易流量   FTA深度   机器学习   XGBOOST  

摘要： 区域性贸易深度一体化是当前世界经济贸易发展的主要趋势,区域性自由贸易协定(FTA)的签订与重订是这一趋势的重要表现形式。为量化区域贸易协定对双边贸易流量的影响,区别于普遍用于外贸领域的引力模型,本文分别采用机器学习领域中的树模型XGBOOST与线性模型Ridge,选择FTA深度指标作为衡量FTA异质性的核心变量,添加协议签订国GDP等变量,对于协议生效3年内的双边贸易流量建立预测模型,探究机器学习模型在外贸领域的可用性。实证结果显示,XGBOOST模型在双边贸易流量的预测上取得了较好结果。贸易国间的双边贸易流量越大,预测结果越精准,对双边贸易流量在十亿美元以上、协议生效第一年的贸易,预测的平均绝对百分比误差约为0.077。因此,本文得到结论,机器学习模型在外贸领域中有较强的可用性,而且树模型的效果较优。

关键词： SOFM神经网络   需求模式识别   动态预测   航空消耗件  

摘要： 企业状态不稳定性、消耗件故障规律不确定性及需求特征的动态性,特别是新冠疫情期间航空公司航班的大量停飞和逐渐恢复导致固定单一需求预测方法存在较大偏差。基于平均绝对误差和均方误差进行不同需求模式预测方法筛选,构建自组织特征映射网(self-organizing feature map,SOFM)对需求时间序列聚类,提出不同聚类模式和预测方法映射关系并实现数据与方法动态自适应。此自适应预测框架能够实现不同航材需求模式识别、多预测方法决策及同一航材多阶段动态预测。通过某航空公司实例验证表明该自适应框架具有较好的应用效果,适用于各类型的消耗备件需求预测。

关键词： 植物工厂   机器学习   智慧农业   现状   展望  

摘要： 植物工厂作为设施农业的最高级发展阶段,具有产量高、可周年连续生产、不受外界环境影响等诸多优点,其环境条件全部是人为控制,发展合理调控环境使之利于作物生长的技术显得尤为关键。通过建立研究作物生长的机器学习模型来合理预测作物生长的最优条件,对作物的生长状态进行实时识别,并对作物生长环境进行实时调控利于植物工厂向优质、高产、高效的方向发展。同时机器学习的方法也将是智慧农业和智慧植物工厂的契入点,发展机器学习的方法有利于带动智慧农业的技术转型升级于植物工厂中,有利于智慧农业和植物工厂取得长足的发展。

关键词： ERα抑制剂   特征筛选   随机森林   支持向量机   多元线性回归  

摘要： 雌激素受体α亚型(ERα)被认为是乳腺癌内分泌疗法的重要靶标。本文采用随机森林、支持向量机和多元线性回归方法,对1974个化合物建立ERα抑制剂活性预测模型。利用方差过滤法和Lasso回归思想筛选分子描述符,使用均方误差MSE来评估模型的预测效果。采用随机森林、支持向量机和多元线性回归方法在训练集和测试集上的均方误差分别为0.475和0.553、0.653和0.792、0.709和0.801。结果表明,随机森林优于其他机器学习方法,用于ERα抑制剂的活性预测具有良好的稳健性和预测能力。

关键词： 分类预测   决策树   KNN  

摘要： 文章主要介绍了对大数据进行分类预测的深度学习算法,并使用K近邻算法(KNN)、决策树算法(CART)、支持向量机算法(SVN)、贝叶斯算法、人工神经网络算法(ANN)等对ADMET性质进行分类预测,为乳腺癌治疗效果提供了一种评价方法。

关键词： 朴素贝叶斯   桥梁   损伤状态识别  

摘要： 以简支梁、连续梁、连续刚构桥梁图片为样本数据,利用不同机器学习方法对桥梁图片数据进行分析与挖掘,识别桥梁的振动、变形、应力、裂缝等指标,比较不同挖掘算法预测的准确性。结果表明:较于其他分类器,朴素贝叶斯分类器与神经元网络分类器对桥梁状态具有较好的识别准确性。基于Weka图像数据挖掘平台对图片数据进行分类与预测具有较好的效果,可以为桥梁状态在线评估提供新的思路。