关键词： GH4175   机器学习   高温塑性   成分优化  

摘要： GH4175合金是新型难变形高温合金的典型代表,通过成分优化提升其高温单相区变形能力,是避免该合金铸锭开坯过程中开裂的重要前提。综合利用相图热力学计算、高温拉伸实验及机器学习方法,通过成分设计空间逐层筛选优化以及自适应学习策略,获得了影响该合金800℃γ′相体积分数、γ′相完全溶解温度和合金初始液化温度的关键元素,建立了上述元素含量与高温伸长率之间的关系模型,明确了在保证一定热加工温度窗口和800℃γ′相体积分数的前提下,同时具备优异高温塑性的合金成分范围及微观组织特征。

关键词： 热解   机器学习   分子水平动力学模型   废弃塑料   模拟   废物处理  

摘要： 随着全球塑料产量的增加,废弃塑料处理问题日益严重,热解技术作为一种将废弃塑料转化为高附加值产品的方法,引起了广泛关注。通过分子水平动力学模型与机器学习相结合的方法,研究了聚乙烯(PE)的热解过程。首先,利用分子水平动力学模型针对不同分子量分布的PE原料,生成大规模热解数据集。然后,基于大规模数据集构建了9种机器学习模型,评估其预测能力及特征重要性,分析影响热解产物收率的关键因素。结果表明,反应时间和热解温度是主要影响因素,KNN模型在气、液相产物预测中表现最佳。通过优化机器学习模型和扩大数据集,可以显著提升热解过程的预测准确性和效率,为废弃塑料资源化提供了新的思路和方法。

关键词： 脓毒症   机器学习   死亡预测   特征重要度   随机森林   神经网络  

摘要： 研究利用机器学习技术对脓毒症患者死亡风险进行预测分析,通过特征重要度评估和模型比较,并验证了随机森林和神经网络模型在预测准确性上的优势。

关键词： 一带一路   绿色产品贸易   双重机器学习  

摘要： 推动绿色“一带一路”建设是“一带一路”倡议的重要内容,更是实现“双碳”目标的重要载体。本文通过匹配法国国际经济研究中心(CEPII)世界贸易数据库、世界银行数据库等,运用双重机器学习方法分析了“一带一路”倡议实施对沿线国家绿色产品贸易的影响作用。研究发现,“一带一路”显著促进了沿线各国绿色产品贸易发展;该效应具有异质性,相比较而言,对经济增速较低、创业环境优越、法治环境好、海上丝绸之路以及与中国邻近的沿线国家绿色产品贸易作用更显著;该效应发挥作用的机制为政策沟通和民心相通的“软联通”,以及设施联通、贸易畅通和资金融通的“硬联通”;拓展分析表明,注意力配置和制度相近会扩大“一带一路”倡议对沿线国家绿色产品贸易的促进效应,且这种作用在绿色产品出口和进口方面均显著为正。此外,本文还特别发现“一带一路”倡议显著促进了沿线国家绿色产品贸易网络地位的提升。基于此,本文提出如下对策:一是优化完善绿色“一带一路”的顶层设计;二是着力发挥“软联通”和“硬联通”的积极作用;三是制定差异化绿色产品贸易发展策略。

关键词： 人工智能   混凝土材料   耐久性预测   机器学习方法   建筑材料研究  

摘要： 混凝土材料是建筑工程所不可或缺的重要部分,而其耐久性直接影响到建筑物的安全性和寿命。理解和预测混凝土的耐久性预测是一个具有重大意义的研究课题。本文主要探索了人工智能技术在混凝土材料耐久性预测中的应用。首先,我们回顾了混凝土耐久性的相关理论和影响因素,以及传统的预测方法,指出了其在预测精度和应用范围上的局限性。然后,介绍了人工智能,尤其是机器学习方法如神经网络、支持向量机、决策树等在混凝土耐久性预测中的应用。我们通过实验研究,展示了这些基于人工智能的方法如何解决传统方法的限制,提供更准确和广泛的预测结果。实验结果表明,人工智能具有很好的预测混凝土材料耐久性的能力,而且与传统方法相比,其预测结果更为准确,使用范围也更广。本研究的结果不仅显示了人工智能在建筑材料研究中的巨大应用潜力,也为混凝土材料的耐久性预测提供了新的研究方法和思路。

关键词： 机器学习方法   水泥基材料   微观结构和性能   预测  

摘要： 机器学习方法(ML)在解决数据高度非线性和大时滞问题上得到了关注,为目标属性的预测及新材料的设计开辟了数据驱动的新模式。水泥基材料在组分、制备与其结构、性能的关系上存在时滞性和周期性长的问题。而机器学习方法在解决水泥基材料上述问题时具有积极作用和非常大的潜力。为此,本文介绍了机器学习方法的特征及其应用过程,综述了机器学习方法在预测水泥基材料微观结构、组分、力学性能和耐久性等方面的研究进展,分析比较了几种用于水泥基材料研究模型的特点和优势,并对所面临的问题和研究方向进行了展望分析,以期促进机器学习方法的应用。

关键词： 水位预测   机器学习   随机森林   中小型水库  

摘要： 准确预测水库水位对于有效的洪水控制和水资源管理至关重要。深度学习方法如长短期记忆模型,尽管在时间序列分析中表现出色,但在数据量有限的中小型水库情况往往表现不佳。本研究提出了一种新的复合预测模型,利用随机森林算法,使用少量数据集构建模型,来提高准确率。本研究分析了降雨、温度和时间滞后等因素对水库水位及库容的相互关系,并通过该模型识别了预测的最佳特征组合。本研究与传统的LSTM模型进行了基准对比,结果表明平均预测误差达到0.01米,为水库水位的预测提供了更有效的解决方案,有助于水资源的管理。

关键词： 兴安落叶松   树龄预测   距离相关系数   随机森林  

摘要： 林木树龄是制约天然林生长、更新和演替的重要因素,但天然林中单木树龄分异明显且实测困难。为了探讨不同特征选择方法和机器学习算法的组合对单木树龄模型预测精度的影响,以大兴安岭地区兴安落叶松天然林为研究对象,以44块固定样地的280株单木树龄实测数据为基础,采用皮尔森(Pearson)相关系数(PEA)和距离相关系数(DCC)特征选择方法,对单木、林分、竞争、地形和气候因素的38个因子进行筛选,并采用随机森林(RF)、支持向量回归(SVR)和k-近邻(k-NN)算法建立兴安落叶松天然林单木树龄预测模型,分析制约单木树龄预测模型精度的关键因素。结果表明:(1)当决策树为1500、节点数量为4时,DCC-RF模型预测精度最高(确定系数(R^(2))为0.5550,均方根误差(R_(MSE))为10.1669 a,平均绝对误差(M_(AE))为8.4039 a);(2)相较于DCC-SVR和PEA-k-NN模型,DCC-RF模型的R^(2)分别提高了0.0030和0.1521,均方根误差分别降低了0.2568和2.0742 a,平均绝对误差分别降低了0.0148和1.3750 a;(3)影响树龄预测最重要的指标是胸径(重要值为43.85%),其次为树高(重要值为19.14%)和生长积温(重要值为13.41%)等。表明应用距离相关系数和随机森林算法,构建兴安落叶松天然林的单木树龄预测模型具有较好的适应性。

关键词： 肿瘤基因表达谱   信息基因   肿瘤分类   代价敏感学习   机器学习  

摘要： 为了提高肿瘤分类的精准度,识别信息基因,构建机器学习模型对肿瘤基因表达数据进行分析。该研究从Kent Ridge数据库下载了五组肿瘤基因表达谱数据,利用优化的代价敏感信息增益(CSIG)算法快速过滤无关和冗余基因,筛选出误分类损失较小的信息基因子集。随后,构建了代价敏感决策树(CSC4.5)作为分类模型,并采用准确率、ROC曲线、F-measure等分类指标评估信息基因质量,以验证模型的准确性。在显著降低原始数据维度的同时,与其他机器学习算法相比,所提模型筛选出的信息基因数量更少且分类性能更佳。该研究将机器学习算法与代价敏感学习思想相结合,优化了特征选择模型和分类器,为肿瘤的早期诊断及生物标志物的识别提供了重要的参考依据。

关键词： 水声信号处理   机器学习   水声通信   水声被动定位   水声探测  

摘要： 随着我国海洋事业的不断发展，水声信号处理技术在海洋资源开发、海洋环境监测和海洋安全等领域发挥着越来越重要的作用。近年来，机器学习方法在水声信号处理的应用中取得了一定突破。该文全面综述了机器学习方法在水声通信、水声被动定位、水声探测中的研究进展，典型应用包括基于机器学习的水声信道估计、被动声呐定位以及水声目标识别等。海洋声学问题通常具有高度非线性、高度复杂的典型特点，机器学习方法凭借出色的自动化特征提取和模式识别能力，可在这类问题的处理过程中实现优秀的拟合及分类效果。同时需要指出，机器学习方法在水声信号处理中的应用还存在一些挑战和问题，如数据量不足、数据质量低、算法复杂度高等，为此该文提供了进一步研究和探索的思路。