关键词： 股价预测   集成方法   机器学习方法   时间序列分解  

摘要： 近年来,我国资本市场的快速发展引起了众多投资者和相关学者的关注。在人工智能方法出现之前,学者们采用的是传统计量方法对股价进行预测,也达到了一定的预测效果。经典的时间序列模型有其自身的优势,比如易于使用,原理易懂。但现时中,股价波动受到多方面因素影响。公司基本面、长期成长速度以及宏观基本面构成了股价长期的趋势,而经济与行业政策冲击、外部不确定性等因素造成了股价短期的剧烈波动,多种因素成分叠加组成了股价的实际表现。传统的线性预测模型可能无法捕捉股价的多种周期成分,而造成预测精度有限。 为了更好地理解股价走势,并为投资者提供股价预测的参考和投资建议,本文采用互补集成经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD)方法将股价的时间序列分解成多个序列周期成分,以获取长短期价格成分信息,随后结合多种机器学习算法对各序列进行分别预测,实现提高股价预测精度的目的。在实证研究中,本文选取了3只指数和7只个股2010年至2021年的日频交易数据,先采用单因素模型进行股价预测,再使用多因素模型,紧接着引入CEEMD方法构建集成预测模型,最后在综合比较预测结果的情况下,利用最优的预测结果构建量化策略并进行回测。 本文实证研究表明:(1)机器学习在股价预测中的表现优于传统的计量模型,在引入CEEMD构建集成预测模型之后,模型的预测精度有明显提高。(2)我国股市尚未达到弱势有效市场。本文在对股票的收盘价进行预测时,选取了较多的特征变量,且均属于股票的交易数据指标,依据集成模型的预测结果在市场中进行模拟交易,可以获得高于市场的收益,说明有关股价的历史信息没有完全反映在股票价格中,对股票交易数据进行加工和分析之后,在市场中有一定的获利空间。

关键词： 肺腺癌   计算机断层扫描   Ki-67   组织学级别   肺腺癌   计算机断层扫描   深度学习   影像组学   淋巴结   转移   肺腺癌   计算机断层扫描   影像组学   生存   辅助化疗  

摘要： 第一部分 CT语义学特征评估Ⅰ期肺腺癌增殖活性的研究 目的:肺腺癌患者在根治性切除术后仍有较高的复发风险,识别预后不良的肺腺癌患者对优化治疗策略具有重要意义。Ki-67标记指数(labeling index,LI)能反映肿瘤细胞增殖活性,是肺腺癌的重要预后因素。本研究旨在探讨Ⅰ期肺腺癌的临床病理学特征和CT语义学特征与Ki-67 LI的关系。 方法:回顾性纳入182例经手术病理证实的Ⅰ期肺腺癌患者。通过免疫组织化学方法检测Ki-67 LI。将患者划分为Ki-67低表达(Ki-67 LI<10%)和高表达(Ki-67 LI≥10%)。两位放射科医师回顾患者术前CT图像,独立评估CT语义学特征。采用单因素分析和多因素逻辑回归分析探究Ⅰ期肺腺癌的临床病理学特征和CT语义学特征与Ki-67表达的关系。 结果:患者中共73例(40.1%)为Ki-67低表达,109例(59.9%)为Ki-67高表达。Ki-67高表达在男性、有吸烟史、更高吸烟指数、CEA>5 ug/L、CYFRA 21-1>3.3 ug/L、肿瘤标志物指数>1、低分化、ⅠB期患者中更常见;Ki-67高表达患者的肿瘤长轴直径和短轴直径更大、肿瘤阴影消失率更低、多为实性结节,多表现为分叶数目≥3、毛刺征、空泡征、血管侵犯、血管集束、支气管血管束增厚、胸膜附着和周围纤维化(均P<0.05)。实体为主的肺腺癌Ki-67 LI最高,其次是微乳头状、乳头状和腺泡样为主的肺腺癌,贴壁生长为主的肺腺癌Ki-67 LI最低(P<0.001)。肿瘤阴影消失率与Ki-67 LI呈负相关(r=-0.601,P<0.001)。多因素逻辑回归分析显示,男性、低分化、更低肿瘤阴影消失率和实性结节与Ki-67高表达独立相关。 结论:Ki-67LI在肺腺癌不同组织学亚型和组织学级别中有明显差异。性别、组织学级别、肿瘤阴影消失率和肿瘤密度类型是与Ⅰ期肺腺癌患者Ki-67表达独立相关的因素。 第二部分 基于深度学习模型预测肺腺癌淋巴结转移的研究 目的:准确预测淋巴结转移在肺腺癌患者的个体化治疗方案制定中至关重要。本研究旨在构建并验证预测肺腺癌淋巴结转移的深度学习标签。 方法:回顾性纳入612例经手术病理证实的肺腺癌患者,随机划分为训练集(n=489)和内部验证集(n=123),另外纳入108例肺腺癌患者构成独立测试集(n=108)。收集患者的临床病理学资料,评估CT语义学特征。使用Swin Transformer网络结构构建预测肺腺癌淋巴结转移的深度学习标签。从患者术前增强CT图像中提取影像组学特征,排除不稳定特征及与淋巴结转移无关的特征后,采用多因素逻辑回归分析筛选剩余的影像组学特征,构建预测淋巴结转移的影像组学标签。采用多因素逻辑回归分析,构建基于临床特征和CT语义学特征的临床语义学模型。采用受试者工作曲线下面积(areaunderthereceiveroperatingcharacteristiccurve,AUC)、校准曲线和决策曲线分析评估模型的预测效能。采用DeLong检验比较不同模型的AUC。 结果:深度学习标签在训练集(0.961 vs 0.823,P<0.001)、内部验证集(0.948 vs 0.781,P<0.001)和独立测试集(0.960 vs 0.853,P=0.002)中的AUC均显著高于临床语义学模型。同样地,深度学习标签在训练集(0.961 vs 0.884,P<0.001)、内部验证集(0.948vs0.863,P=0.019)和独立测试集(0.960vs0.886,P=0.029)中的 AUC均显著高于影像组学标签。校准曲线显示,三个数据集中深度学习标签的预测概率与实际观测概率均具有良好的一致性。根据决策曲线分析,深度学习标签预测淋巴结转移获得的净收益高于临床语义学模型和影像组学标签。三个数据集中,深度学习标签和影像组学标签相较于临床语义学模型在预测淋巴结转移中具有增量价值。 结论:使用Swin Transformer构建的深度学习标签在预测肺腺癌淋巴结转移中具有良好效能,可为肺腺癌的无创性纵隔淋巴结分期提供重要的参考信息,辅助医师为患者制定精准的、个体化的治疗策略。 第三部分 基于临床影像组学列线图预测早期肺腺癌预后及辅助化疗疗效的研究 目的:构建临床影像组学列线图以预测淋巴结阴性早期(Ⅰ～Ⅱ期)肺腺癌的无病生存期,并探究临床影像组学列线图预测辅助化疗疗效的价值。 方法:回顾性纳入310例经手术病理证实的淋巴结阴性早期肺腺癌患者,将患者划分为训练集(n=186)和验证集(n=124)。从患者术前增强CT图像中提取影像组学特征。初步排除不稳定和冗余特征后,采用最小绝对收缩和选择算子-Cox回归分析,对剩余影像组学特征进一步筛选,建立预测无病生存期的影像组学标签。采用单因素

关键词： rna三维结构   机器学习方法   深度神经网络   药物发现   定义特征   深度学习   有效学习   结构模型   结构生物学   人工智能  

摘要： RNA结构的几何深度学习《科学》（Science）封面：人工智能揭示RNA结构。《科学》杂志第6558期封面文章报道了RNA三维结构的预测。RNA分子采用的三维结构对它们的功能和药物发现至关重要。科学家引入了一种机器学习方法，可以在不假设其定义特征的情况下识别准确的结构模型。尽管使用不多的已知RNA结构进行训练，得到的评分函数“原子旋转等变评分器”(ARES)，优于以前的方法。通过从少量数据中有效学习，这一方法克服了标准深度神经网络的主要限制。因为它只使用原子坐标作为输入，不包含特定的RNA信息。这种方法适用于结构生物学、化学、材料科学等领域。

摘要： It is a well-known fact that predicting shear strength of concrete beams is a very complex topic. The traditional approach is to assume that the shear strength is the sum of the concrete contribution (Vc) and the shear reinforcement contribution (Vs). In recent years, several proposals including Bentz & Collins (2017), Cladera et al. (2017), Frosch et al. (2017), Li et al. (2017), Park & Choi (2017) and Reineck (2017) were published based on different failure mechanisms. The current code ACI318-19 (2019) also updated the one-way shear design specifications with a new set of empirical equations based on Kuchma’s research (1998). However, none of these methods can fully agree with each other either. Therefore, methods which are not directly related with failure mechanisms will be valuable to provide alternative ways to predict shear strength of concrete beams as comparisons. Recently, two database including shear database without shear reinforcement (Reineck, Kuchma, & Kim, 2003) and shear database with shear reinforcement (Reineck, Bentz, & Fitik, 2014)were collected and reviewed. With these two databases, several statistical and machine learning (ML) methods can be applied and evaluated as alternative methods to compare with traditional theoretical methods. In this thesis, three theoretical methods (ACI318-19, Frosch et al. and Li et al.) were chosen to be validated by these two databases. Selected statistic (multiple linear regression, LASSO, LARS) and machine learning (random forest, neural network, and support vector machine) methods were applied on the databases to evaluate the efficiency and accuracy of these methods on predicting shear strength. This study is the first study attempting to apply the statistical/ML methods on these databases to predict the shear strength of concrete beams. A sensitivity analysis was conducted on all these different methods at the end of this thesis to evaluate the stability of these methods.

关键词： 恒星参数   恒星质量   恒星年龄   机器学习   星震学  

摘要： 宇宙的基本结构单元-星系,它的形态、结构、性质、规律性、多样性以及集成历史的相关科学问题是目前天体物理学家面临的重要挑战。为了了解银河系的结构、演化以及动力学历史,需要对分布在银河系中的大量恒星样本进行准确的质量和年龄估计。尽管目前的光谱巡天为大量恒星提供了位置、温度、化学丰度、质量与年龄等信息,但目前年龄等参数相关的精度、准度、系统误差以及不同方法的优劣势仍然缺乏系统深入的剖析,从而阻碍了我们对银河系中不同星族恒星形成历史的认识,所以我们仍然需要不同的方法去探索和测定大样本恒星的质量和年龄。为了解决上述问题,我们将LAMOST和Kepler的星震学数据进行交叉匹配,以同时获得具有恒星质量（年龄）以及恒星参数的高精度训练样本,并基于机器学习方法在这两者之间建立联系,对恒星参数已知的大样本恒星进行质量和年龄估计。通过仔细挑选,我们对948 216颗大样本恒星进行了质量预测,对163 105颗红团簇星进行了质量和年龄预测,其预测结果与前人的工作进行比较后发现具有较好的一致性,验证了我们方法的可靠性。我们的工作具体可分为两个部分:第一部分我们假设不知道哪些恒星参数与恒星年龄具有较高的相关性,因此采用了核主成分分析对所有的恒星参数进行了数据降维,并探究了核主成分分析所使用的主成分个数与模型预测性能的相关性。结果发现在当主成分个数达到4的时候模型的预测性能开始趋于稳定,测试集显示预测的弥散为0.72,绝对误差的中位值为0.25 Gyr,相对误差的中位值为8%,最后还将红团簇星年龄预测的结果与星震学可靠样本进行了对比,其精度可以达到19%。第二部分为了提高模型预测的效率,我们提取出了与恒星质量或年龄具有高度相关性的恒星参数,并只用这些高相关性的恒星参数对模型进行训练,然后对大样本恒星的质量以及红团簇星的质量和年龄进行了预测。测试集显示其预测的绝对误差中位值分别为0.05 M☉、0.05 M☉和0.21 Gyr,相对误差中位值分别为3%、4%和7%。而后我们将预测结果与高分辨率星震学的可靠样本比较,发现对于大样本,最后的质量精度可以达到13%;对于红团簇星,质量精度可以达到9%,年龄精度达到18%。最后,在本文中通过误差分析比较了多种机器学习方法如:包括多元线性回归、贝叶斯线性回归、梯度提升决策树回归、随机森林回归、多层感知器回归和支持向量回归,我们发现,非线性模型相较于线性模型更符合我们的预期,而其中以决策树作为基础的梯度提升决策树和随机森林算法的表现相对更为优异。

关键词： 新能源汽车   专利质量   机器学习   聚类分析   分类预测  

摘要： 随着气候变化和汽车产业的快速转变,新能源汽车产业的发展受到了越来越多的关注。目前我国新能源汽车市场规模位列世界第一,但创新能力有待提升,核心技术不强。作为技术能力的重要载体,我国新能源汽车专利的质量不高,与国外新能源汽车专利相比在专利的技术覆盖面、市场广度、发明人数量等方面存在差距,阻碍了新能源汽车产业的高质量发展。提升专利质量的前提是对专利质量进行高效识别,因此对专利质量进行分析与分类预测具有重大意义。首先,本文对中国新能源车市场和新能源车的专利情况进行了分析。结合现有研究从经济质量、法律质量以及技术质量三个维度构建了专利质量的评价体系,并运用熵值法从9个影响因素中筛选出5个关键指标。最终选择被引证次数、同族数、发明人数量、IPC数、转让次数等五个指标作为聚类分析与机器学习分类预测的输入指标。其次,采用K-means聚类算法对已获授权并处于有效状态的新能源汽车专利进行聚类分析,运用肘部法确定K值,进而将原始专利数据分为五个聚类类别。分析发现高同族数组（聚类类别4）的专利质量分数最高,高IPC数组（聚类类别3）和高发明人数组（聚类类别2）次之,高被引证次数组（聚类类别5）质量分数排名第四,高转让次数组（聚类类别1）专利质量分数最低。最后,本文基于机器学习中的SVM模型、BP神经网络模型和朴素贝叶斯分类器为基础构建了新能源汽车专利质量的分类预测模型,并以准确率、召回率、精确率和F1值四个指标衡量模型性能。结果表明,采用径向基核函数的SVMrbf模型的分类预测性能最好,测试集的准确率、召回率、精确率和F1值分别为97.30%、88.93%、96.94%和92.76%。其余模型的分类预测性能依次为SVMpoly模型、BP神经网络模型以及朴素贝叶斯分类器。

关键词： 分子动力学模拟   机器学习   固态电解质   单离子导电嵌段聚电解质  

摘要： 传统的锂离子电池以液态电解液系统为主,存在电解液泄露、燃烧和爆炸等隐患。固态聚合物电解质(SPE)能够提升锂离子电池的稳定性和力学性能,但电导率普遍较低,且传统聚合物基体/锂盐体系存在浓差极化的问题。单离子导体(SICs)聚电解质能够有效阻碍阴离子迁移,防止浓差极化的发生。作为SICs的一类,单离子导电嵌段聚电解质(SIC-BCPE)可以通过调节不同嵌段的物理和化学性质,对多个材料参数进行设计和优化,近年来受到了广泛的关注,有望成为一类综合性能优异的电解质材料。在本文工作中,我们结合分子动力学(MD)模拟与机器学习方法对SIC-BCPE体系的多设计参数调控问题进行了研究。具体而言,我们设计了一种基于真实化学体系的SIC-BCPE通用模型。该模型包含四种具有代表性的设计参数,在实验上可以通过多样的物理结构调整(侧链长度,离子分数)和化学修饰(阴离子直径,电负性基团电荷)来进行调控,覆盖了广泛的设计空间。我们首先通过直接的MD模拟初步探索了各设计参数对离子电导率的影响,发现处于不同配位环境的锂离子的比例与离子电导率的变化趋势密切相关。接下来,我们引入机器学习方法进一步探究了设计参数组合与离子电导率的综合关系。将设计参数作为输入特征,离子电导率作为标签值,我们通过高斯过程回归(GPR)模型进行电导率预测并获得了高电导率设计方向。在此基础上,基于GPR模型的贝叶斯优化算法能够在少于网格搜索的采样次数的前提下找到SICBCPE体系的最优设计参数组合。更多地,为了对比各机器学习模型在材料科学领域中高维特征小样本数据集的适配性,本文分别引入支持向量回归(SVR)模型与全连接神经网络(FCNN)模型,对数据集进行高维回归并分析了回归误差。整体结果显示GPR与SVR模型对数据集的匹配程度较好。SVR模型可以在不损失过多精度的前提下有更快的训练效率。FCNN模型在小样本数据集上的回归误差高于其它两种机器学习模型,更适合大数据驱动。本研究中报道的SIC-BCPE通用模型以及MD模拟结合机器学习的高效率研究方法,有望为设计更广泛的聚电解质体系提供有价值的见解。

关键词： 机器学习   水泥—粉煤灰   砂浆   抗折强度  

摘要： 针对低水胶比的水泥—粉煤灰砂浆，采用典型的机器学习技术—人工神经网络方法，建立了基于砂胶比、粉煤灰掺量、水胶比及养护龄期的最佳抗折强度模型。并结合模型的决定系数R2及均方根误差RMSE等对模型进行综合评价。结果表明，提出的水泥—粉煤灰砂浆抗折强度的最佳人工神经网络模型具有较高的R2和较小的RMSE。模型未出现过拟合或欠拟合现象。因此，文章所提出的低水胶比的水泥—粉煤灰砂浆抗折强度的最佳人工神经网络模型具有一定的适用性与可靠性，可为水泥—粉煤灰砂浆配制及工程应用提供辅助参考。

关键词： 增益模型   机器学习   倾向得分匹配   PMM模型  

摘要： 随着移动互联网和人工智能技术的发展,智能化营销正在渗透各行各业。如何评估和衡量营销活动对公司带来的增益提升,而不是把营销预算浪费在本来就会转化的用户上,成为了目前智能营销算法最重要的挑战之一。增益模型是对用户施加某种干预策略引起的增量效果进行建模评估的一系列模型,为了克服反事实结果无法被观测和随机对照实验难以在现实中实施的困难,利用机器学习方法来处理混淆因素影响,生成近似无偏差的样本空间,已成为目前的研究热点。 基于此,本文尝试利用机器学习方法构建增益模型的仿真数据集,并根据生成的数据对四种增益模型进行数值实验,针对实际的项目数据,提出了结合倾向得分匹配和元学习器技术的PMM增益模型。 首先,为了模拟真实的增益数据,给出了四种不同类型的仿真数据集构成,并提供了相应的带参函数。接下来对不同的增益模型进行数值实验,在基于Lasso的回归算法中,R-Learner模型始终能保持良好的增益值评估精度,尤其在复杂的数据集上,其均方误差值是最低的。同时在噪声的鲁棒性实验中,R-Learner模型会在噪声逐渐增大的过程中出现明显的拐点。因此对于较低的噪声水平时,R-Learner能够匹配更准确的增益值评估效果。 其次,在传统的增益模型基础上,本文提出了结合倾向得分匹配和元学习器技术的PMM模型。该模型通过机器学习的技术增加有效样本的数量,利用样本匹配模型提高干预组和对照组的样本平衡性,并且基于元学习器的交叉验证框架有效提高了增益模型的评估精准性和稳健性。 最后,本文利用国内某头部电商的金融APP转化新用户项目数据进行实验,对PMM模型进行实证分析。利用本文提出的PMM模型评估在商城的支付完页曝光营销补贴的文字链对用户是否转化为金融新用户的增益效应,根据模型的评估结果,分析并推理出了该项目的营销补贴对新用户的增益是有效的结论,并且通过敏感度分析验证了 PMM模型具有良好的平衡性和稳健性。