关键词： 调解成功率   调解员   在线调解   计算法学   智慧司法  

摘要： 本文对H省“人民法院调解平台”1542名调解员办理的21万件调解案件,采用融合XGBoost算法与SHAP解释框架的机器学习方法,以可视化的方式对调解员身份、学历、性别、经验四个特征与调解成功率的相关关系进行分析。结果表明:在该模型中,调解员的身份对调解成功率的影响最大,且大多数情况下当调解员身份为行政调解员或法官时,调解员身份会对调解成功率起到正向贡献作用;调解员经验的重要性仅次于调解员身份,但当经验值达到一定数值后,调解成功率不再受调解员经验的显著影响;相较于调解员身份和经验,学历对调解成功率的影响较小,随着学历的提高,其对调解成功率逐渐产生正向贡献,但当学历提高到硕士、博士时,其贡献作用明显减弱甚至出现负值;调解员性别对调解成功率的影响最小,且男性的影响小于女性,调解成功率更容易受到女性调解员的影响。

关键词： 财务违规预测   信息质量   结构化主题模型   文本分析   机器学习  

摘要： 现有研究发现引入LDA(latent Dirichlet allocation)主题模型能够提高对公司财务违规的预测效果.为了进一步探讨主体模型中主题因子预测能力的来源,本文以2008—2019年我国3,397家A股上市公司18,220份年度报告为样本,在以往LDA的基础上加入公司、经理、宏观基本面变量作为主题选择变量,加入违规标签作为情景变量,对年报信息质量进行分析并提取高质量和低质量主题因子.本文基于半监督思想的结构化主题模型(structural topic model)的实证结果表明,基于STM的财务违规预测模型优于基于LDA、词频和财务指标的财务违规预测模型,其错误分类成本降低13%以上.进一步研究发现主题因子的预测能力更多地来源于公司规模、年龄、杠杆、固定资产占比等公司特征,而非反映经理特征的有关变量.本文的预测模型不仅能够预测重大违规事件,也能在精确度较高的前提下给出覆盖率较高的违规公司或安全投资标的.本文的研究在实践上对监管机构监测违规公司和投资者构建安全投资标的池具有重要参考价值.

关键词： 生物大分子   分子模拟   机器学习   增强采样   多尺度模型  

摘要： 分子模拟技术已成为人们从分子层次探究生命原理的强有力工具.经过近50年的发展,生物分子模拟能够实现对蛋白折叠、构象运动和蛋白-蛋白分子相互作用等复杂分子体系的生物过程的动力学和热力学性质进行定量表征.近年来,以深度学习为代表的机器学习算法的应用进一步推动了生物分子模拟技术的发展.本文对生物分子模拟中的机器学习方法进行综述,重点讨论机器学习算法在提高生物分子力场精度、分子模拟构象采样效率、以及高维生物分子模拟数据处理等方面取得的重要进展.在此基础上,对未来研究中基于机器学习技术进一步克服生物分子模拟的精度和效率瓶颈、扩展生物分子模拟适用范围、实现计算模拟与实验测量的深度融合做了展望.

关键词： 机器学习   C5.0算法   CART算法   神经网络  

摘要： 选取2015—2018年贵阳国家气象站逐时观测数据,归纳整理了影响雾、浓雾的11个气象因子,在分析影响因子与能见度关系的基础上,以多次随机选取80%的样本数据为训练集,剩余20%的样本数据为预报模型的检验集,利用机器学习中C5.0、CART和神经网络算法分别构建贵阳站雾和浓雾的预报模型,检验评估了各预报模型的应用效果。结果表明:基于机器学习的雾、浓雾预报具有较好的业务应用前景,3种算法的检验准确率均在90%以上,其中CART算法对贵阳站雾的预报效果最好,C5.0算法和神经网络的多层感知器算法对贵阳站浓雾的预报效果最佳。

关键词： LSTM   XGBoost   时空匹配   指导预报产品   产品释用  

摘要： 为了提高格点风场预报产品的准确性,提出了一套基于深度学习和集成学习的风速、风向预报方法。使用时间序列上的站点风实况数据和空间范围上的数值模式预报产品建立时空信息匹配模型,使用了长短期记忆法(LSTM)和极端梯度提升(XGBoost)建立时空匹配的联合预报产品订正模型,形成72小时隔3小时、5千米时空分辨率的SCMOC风速、风向预报产品。评估结果显示,相较于SCMOC预测,联合模型实现风速平均绝对误差(MAE)降低了14.17%,风向平均绝对误差(MAE)降低了23.61%。模型对SCMOC风场产品的风速、风向的准确率有较好的提升,产品释用效果良好。

关键词： 机器学习   专业能力   接续培养   预测模型  

摘要： 随着社会的发展和专业需求的多样化,准确地对专业能力进行分类和预测,以制定相应的培养计划变得至关重要。本文以随机树模型为基础,通过机器学习技术对专业能力进行分类,并进一步预测不同能力水平的接续培养需求,以满足社会对专业人才的需求。同时,利用调研数据收集与整理了工程造价行业毕业生的社会需求,通过专业能力分析与讨论,并构建模型对其接续培养进行预测。通过引入机器学习技术进行专业能力分类,相应得以对调研材料进行细化挖掘,并基于此整理其不同能力水平下的接续培养需求预测结果,验证了模型的有效性。

关键词： 高质量发展   股票市场表现   机器学习   错误定价  

摘要： 从高质量发展理念出发,基于“创新、协调、绿色、开放、共享”五大新发展理念建立高质量发展指标体系,应用九种机器学习方法对股票收益率进行预测,并对指标体系各变量的重要性、成分预测能力的变化以及预测能力来源进行探究。结果表明,公司高质量发展水平对股票收益率具有显著预测能力;创新类指标是预测股票收益率的最重要类别;除股市动荡时期外,公司高质量发展水平对股票市场预测能力较为稳定且有增强趋势。从成分预测能力来看,创新类与绿色类指标的预测能力增强,协调类指标预测能力下降;高质量发展水平可以预测公司未来基本面变化,但投资者对该部分信息反应不足,这种错误定价是高质量发展指标体系预测能力的来源。建议完善资本市场定价机制,使公司的高质量发展水平得到充分定价。

关键词： 地铁安全   智能监测   机器学习   技术   应用  

摘要： 随着城市轨道交通的快速发展,地铁施工的安全性和效率日益受到重视。本文基于机器学习方法,研究了一种地铁安全智能监测系统的技术应用,以深圳市轨道交通盾构工程为案例进行探讨。在实时监测纵坡变化和趋势分析的基础上,系统利用传感器数据进行数据采集与传输,经过数据预处理、特征提取与选择,建立了预测模型,实现了对最大纵坡施工过程中的安全状态实时监测和预警。通过系统生成的可视化报告,工程管理人员能够准确了解线路纵坡的变化趋势,预测潜在的施工风险,及时采取安全措施,确保施工过程的顺利进行。

关键词： 帕金森疾病   计算机辅助诊断   疾病预测   进展预测   机器学习  

摘要： 帕金森疾病(PD)是世界卫生组织认定的十大疑难病症之一,对患者和家庭造成巨大负担。目前,治疗只能在一定程度上缓解临床症状,无法完全治愈。因此,早期辅助诊断对PD患者有着十分重要的现实意义。本研究综合分析了国内外PD分类预测的计算机辅助诊断技术,并梳理了利用机器学习模型辅助早期检测PD的研究工作,以指导早期干预和防止病情进展。常用的预测方法包括数据预处理、特征选择和分类。在数据量较大或数据复杂性较高的情况下,传统机器学习方法不具优势,因此采用深度学习或改进的机器学习方法更有助于提高预测准确度。此外,PD患者合并认知能力障碍的脑结构影像诊断也备受关注。认知功能障碍研究是有一个相对渐进的过程,早期筛查并尽早进行相关干预显得十分必要。未来的研究应深入挖掘基于机器学习方法的计算机辅助诊断技术,将其应用于PD的早期分类预测,以提高医生诊断准确率和提升诊疗质量。

关键词： 随机森林   神经网络   享乐价格   房屋定价  

摘要： 利用随机森林和神经网络等机器学习模型对合肥市二手房实际交易数据进行定价评估,并与传统享乐价格模型的定价评估相比较。基于这三种模型对二手房价的预测结果表明,机器学习模型的预测精度高于传统享乐价格模型,并且拟合优度也好于传统享乐价格模型,其中随机森林模型表现最优。研究结果表明,基于机器学习模型的房屋定价是一种切实可行的方法。