关键词： 中国农业科学院   植物保护研究   抗性水平   单核苷酸多态性   病原生物   科研单位   功能基因组   创新团队  

摘要： 近日,中国农业科学院植物保护研究所作物病原生物功能基因组研究创新团队联合国内科研单位,利用机器学习策略,成功开发出根据作物基因型精准预测抗病表型的方法。该研究利用水稻和小麦核心群体对多种重大病害的抗性水平与高密度单核苷酸多态性之间的关联,通过机器学习策略来训练预测模型,实现了根据作物基因型精准预测抗病水平。相关研究成果发表在《工程(Engineering)》。

关键词： 造价预测   机器学习   麻雀算法   SHAP分析  

摘要： 工程造价预测是建筑行业中重要的工作,准确地预测工程造价对于前期的投资决策具有重要的现实意义。为了提高造价预测的准确性,本文提出一种应用集成学习算法(XGBoost)和单一学习算法(BP、SSA-BP)构建预测模型的方法,采用统计学习的方法得到8种对工程造价有影响的变量因素:总建筑面积、高度、层数、层高、基础类型、结构形式、抗震烈度和外立面材料。以8种影响因素作为模型的输入变量,单位造价作为输出变量,通过对预测结果的指标评估得出单一学习算法中SSA-BP模型的预测性能最好。在此预测模型的基础上,使用SHAP分析方法,得到8种变量因素在模型中的重要性占比排序,并以此重新构建8种不同组合的输入变量来检验SSA-BP模型的可靠度。

关键词： 数据包络分析   机器学习   孤立森林  

摘要： 为了弥补当前试验数据包络分析方法存在的缺陷,提出并实现了一套新的数据包络分析方法。针对控制系统设计方式相同的不同飞行器多条数据一致性判断问题,采用改良后的孤立森林方法进行数据包络分析,快速找出异常电源电压数据。这种方法还可以推广到类似其他采样数据的数据包络分析场景。在此基础上开发了数据包络分析软件,并进行了多次验证试验。结果表明,提出的数据包络分析方法能有效判断出飞行器控制系统电源所涉及链路中的隐性或显性问题。

关键词： 机器学习   复合定向钻   钻进参数   岩质类型   可靠性  

摘要： 针对复杂地质条件下水利水电工程中采用传统钻探和试验方法获取岩体强度成本高、耗时长等问题,开创性将机器学习方法引入岩质类型判别中,实现对复合定向钻探岩质类型的快速判别,为地下工程围岩类别的快速划分提供支撑。依托水利水电工程超深复合定向钻关键技术研究及应用项目,结合已有地质资料,采用10种机器学习分类算法对复合定向钻钻进参数进行岩质类型判别,并详细对比分析模型判别效果。结果表明,RF、AdaBoost、CatBoost、KNN、SVM、ExtraTree表现较好,其中AdaBoost表现最佳;验证了机器学习方法在岩质类型判别上的可行性与可靠性,为后续算法选择优化提供了指导。

关键词： 高海拔地区   降水成因   机器学习  

摘要： 利用2001—2021年年降水量资料,2021年雨季6—9月和非雨季露点温度、降水量等资料,PM_(2.5)、硫酸盐、硝酸盐等大气污染物资料,基于机器学习方法对西藏高海拔地区拉孜降水量进行建模,并量化了影响拉孜地区降水量的气象因素和气溶胶粒子。结果表明:露点温度是影响拉孜地区降水量的关键变量,其对雨季和非雨季降水量的贡献分别为74%和66%。硝酸盐是气溶胶组分中对降水量影响最大的变量,其在雨季和非雨季占气溶胶总贡献的61%和71%,表明硝酸盐气溶胶对降水有重要作用。

关键词： 抑郁症   机器学习   深度学习   自然语言处理   预测模型   综述  

摘要： 在维普、万方、知网、Embase、PubMed和Web of Science数据库中检索2019~2023年间有关机器学习方法预测抑郁症发病风险的文献,系统性地总结这些算法的特点、研究领域、模型效能和当前应用所面临的问题和挑战。研究共纳入92篇文献,结果显示,机器学习预测抑郁症发病风险的模型效果较好,最佳预测模型的AUC值为0.6030~0.9976。未来应当建立多中心、前瞻性的融合多模态的动态预测模型,为抑郁症的临床诊断提供更可靠的依据。

关键词： 农业景观   景观破碎化   斑块属性   物种多样性   昆虫丰富度   机器学习  

摘要： 景观破碎化对物种的影响依赖于斑块属性,斑块属性体现了斑块的类型、面积、形状及其与周围斑块间关系。然而,在破碎化农业景观中这些斑块属性对关键物种的联合影响仍知之甚少。选取中国海南地区的典型农业破碎化景观,实测了180个斑块中三类关键物种,分别为害虫-橡胶材小蠹虫(Xyleborus affinis)、传粉昆虫-中华蜜蜂(Apis cerana)和天敌物种-玉米螟赤眼蜂(Trichogrammatid ostriniae Pang et Chen),刻画了各斑块属性,包括斑块类型、斑块面积、形状指数、距天然林距离、是否与橡胶接触、景观中天然林所占比例、是否有林下植物,并使用3种机器学习模型(神经网络、随机森林、支持向量机)拟合斑块属性与三类物种丰富度关系,解析斑块属性的相对重要性。结果表明,与支持向量机和神经网络相比,随机森林模型对三个物种的丰富度预测效果均最好,其R2在橡胶材小蠹虫、中华蜜蜂和赤眼蜂中分别达到0.785、0.845和0.798;基于随机森林模型的结果表明,斑块类型对橡胶材小蠹虫和中华蜜蜂丰富度相对重要性高于其他斑块属性;斑块面积对赤眼蜂丰富度影响高于其他斑块属性,且与斑块类型存在交互作用;橡胶林中橡胶材小蠹虫与中华蜜蜂丰富度高于天然林和其他斑块类型,玉米螟赤眼蜂丰富度则在天然林与农田中最高。研究揭示了斑块属性对不同物种丰富度的相对影响,阐明了斑块类型在不同物种中的重要作用,并证实了机器学习是推导斑块属性对物种影响的有效方法。

关键词： 街区形态设计   嵌入式方法   生成式模型   机器学习   智能设计  

摘要： 城市街区的形态与空间品质关系密切。在城市设计中借助智能工具实现街区形态的生成是辅助设计决策的一项典型应用。既有的生成式方法主要采用参数化建模、形流推理以及图像生成算法实现,缺少对街区尺度形态规律学习的过程因而难以处理复杂、精细的空间形态关系,生成令人满意的形态结果。因此,本研究在既有生成式方法基础上借鉴嵌入式系统理论,提出一种通过嵌入机器学习训练模块优化街区形态生成结果的综合性方法(简称“嵌入式机器学习方法”)。该方法包含高质量的训练数据、平衡的模型复杂度与性能、特征工程与模型优化能力、独立运行的学习模块以及支持开放接口与部署五个要素,实现在传统生成规则中增加弹性并且可控的人工神经网络,可根据设计需求对训练样本及模型进行自由组合,改善了既有算法的生成效果。该方法也增加了设计流程的灵活性,设计师可根据场地需要配置合适的训练样本,并通过预训练的方法将结果嵌入生成式系统中,从而实现快速、便捷的三维形态生成,辅助街区形态设计过程。文章阐述了一个探索性的实践案例,从模型目标、数据、训练过程等方面进行阐述,并结合生成结果对比探讨了该方法对传统生成方法的改进,结果表明采用嵌入式机器学习方法可以有效改善三维形态的特征细节,生成更契合场地特质的设计方案,为设计师带来有益启示。最后文章提出了嵌入式机器学习方法的未来开发潜力,为城市街区设计中的人工智能技术应用提出了新的思路和可能性。

关键词： 钢轨闪光焊接   工艺   顶锻量预测   随机森林算法  

摘要： 针对训练钢轨闪光焊接头质量预测深度学习模型需要大量数据集且采集困难的问题,采用预分类的方法,只选取相同需求顶锻量范围内的数据进行训练,以降低训练集数量并提高数据质量。以钢轨闪光焊接工艺的预测顶锻量为研究对象,随机森林回归算法进行建模,采用13个关键工艺参数预测实际顶锻量。研究结果表明:预测模型精度明显优于传统的理论建模及回归分析。在比较了多种常规算法的预测模型后发现,在训练样本较少的情况下,随机森林回归算法模型表现最佳。进一步数据分析得出,焊接工艺参数中的中期脉动阶段时间值、闪光末期钢轨消耗量和中期脉动钢轨消耗量对实际顶锻量影响权重相对较大。基于随机森林回归算法的预测模型为焊接实际需求的顶锻量预测及控制提供了一种有效的方法。

关键词： 测井岩相分类   机器学习   线性回归分类   支持向量机   一维卷积神经网络  

摘要： 目前,在基于测井数据的岩相分类研究中,机器学习算法是一个研究热点.然而,实际上钻井取心极少,岩相样本匮乏,机器学习算法就会遇到过拟合问题,从而导致测井岩相分类效果不佳.因此,本文研究小样本环境下不同机器学习算法在测井岩相分类工作中的预测效果.以北美Panoma油气田数据集为例,通过逐步减少训练样本数量,建立了四种训练模式.同时,选用三类有代表性的有监督学习算法,以评估小样本环境下不同算法的预测效果,包括基于一般梯度下降的线性回归分类算法、支持向量机算法和一维卷积神经网络算法.在综合评价算法的预测效果时,选用了岩相分类准确率、总体岩相分类F1值、各岩相分类F1值以及有效识别最大相数.结果表明,随着训练样本数量的减少,三种算法的预测效果并未呈现线性下降趋势,且一维卷积神经网络较另外两种算法表现更为稳健.