关键词： 汽车保险   机器学习   SMOTE采样   ROC曲线  

摘要： 近年来,我国车险市场巨大的体量也催生了许多车险欺诈案件,然而传统的车险欺诈识别手段效率不佳,本文采用机器学习的方法,基于包含中国在内的四个数据集进行了实证分析,以比较六种主流机器学习方法对车险欺诈的预测表现以及预测表现的稳健性。本文对四个原始数据集进行数据分割,使原数据集分为训练集和测试集,训练集用于构建机器学习模型,测试集用于评估机器学习模型的效果,从而评估各机器学习方法的预测表现以及预测表现的稳定性。首先基于特征空间采用SMOTE采样法,使训练集中的欺诈样本数与非欺诈样本数达到平衡。之后采用10折交叉验证法选取最佳的参数组合来确定机器学习中的最优调节参数,并采用ROC曲线及曲线下方的面积AUC作为模型预测效果的评估标准,以避免主观选取截断点造成的影响。最终,研究发现极端梯度提升决策树模型和随机森林模型的预测表现以及预测表现的稳定性较好。

关键词： 家庭年龄结构   消费需求   机器学习   非线性影响  

摘要： 新发展格局下扩大有效内需成为我国现阶段重要目标,研究家庭人口年龄结构变动对居民消费需求的影响具有较强的现实意义。文章基于中国家庭追踪调查数据(CFPS2018),结合机器学习方法构建LASSO分位数回归及门限回归模型实证检验了家庭年龄结构对消费需求的非线性影响机制。研究发现:城镇居民家庭年龄结构对消费存在显著影响,伴随家庭消费层次提高,家庭少儿抚养比对消费的正向作用及家庭老年抚养比对消费的负向作用均减弱。进一步,门限回归结果表明当家庭中少儿与老年人口同时变化,只有家庭成员中少儿人口占老年人口的比例跨越门限阈值,此时家庭少儿抚养比提升对消费的刺激作用才能显现。由此,加强推进生育政策实施效果,完善养老保险体系,对释放有效内需具有重要作用。

关键词： 锂离子电池储能   电池健康与安全   机器学习  

摘要： 随着当前电化学储能技术的广泛应用,电池储能电站的安全运维问题日渐突出。传统电池管理系统仅能获得各电池单体的电压、电流及温度,并且受限于硬件处理能力、数据传输带宽及延迟等条件,掌握海量电池单体储能系统的健康与安全运行状态成为关键技术难题。机器学习方法在锂离子电池运行状态预测领域的应用为储能电池系统安全管理创造了条件。针对锂离子电池安全管理需求,首先对锂离子电池滥用及热失控风险机理的相关研究进行了介绍。随后,讨论了锂离子电池管理系统架构及其应用特点,并详细论述了机器学习方法在锂离子电池健康与安全状态分析方面的应用。最后,对储能电站锂离子电池的安全管理进行了展望。

关键词： 氨氮   空间插值   机器学习   随机森林   SHAP  

摘要： 氨氮是地下水中的主要无机污染物之一,其主要来自农业、工业和生活污染。过量的氨氮会危害人类健康。氨氮时空分布受气象、水文、水文地质和土地利用类型等因素的影响,因此,基于有限采样点的地下水氨氮分析会产生很大的不确定性。本研究以三江平原松花江流域为例,选取土壤有机质质量分数、土壤全氮质量分数、土壤阳离子交换容量(CEC)、土壤pH值、地下水埋深、包气带黏土层厚度和土地利用类型作为潜在的影响因素,建立拟合氨氮质量浓度的机器学习模型;在此基础上使用解释机器学习模型的SHAP(shapley additive explanations)方法识别显著的影响因素,并据此建立机器学习预测模型,对研究区地下水氨氮质量浓度进行数据插补,分析其时空变化规律。研究结果表明:地下水埋深、土地利用类型、CEC和土壤有机质质量分数是研究区地下水氨氮的主要影响因素;2011—2018年期间,研究区地下水氨氮处于Ⅰ—Ⅲ类水质级别的面积呈现增加趋势,面积占比从31%增加到87%,Ⅳ—Ⅴ类水的面积呈现减少趋势,面积占比从69%减少到13%,水质整体向好。

关键词： 机器学习   地球物理信号   特征识别   岩性识别   地震检测  

摘要： 地球物理信号是地下介质对物理场的响应,其特征是解释地下结构和性质的主要依据.但受限于地下介质构造及物性分布特征的复杂性,地球物理信号特征的识别和解释具有不确定性.机器学习基于数据与特征的映射关系为判别地球物理信号特征和解释提供了新的思路和方法.本文围绕机器学习方法在地球物理信号特征识别及解释应用主题,梳理得到机器学习用于地球物理信号特征识别与解释的一般逻辑思路和工作流程,在提炼机器学习所涉及的处理技术和评价体系的基础上,进一步总结了机器学习在解决岩石图像识别与分类、地层岩性预测与成图、地震事件检测和到时提取、微小地震信号解释等问题时的技术要点;并对深度学习模型和简单的机器学习模型针对不同地球物理信号进行特征识别与解释的适用性和应用实效进行了分析.针对目前的发展趋势和已有研究,对机器学习在地球物理信号特征识别应用方面进行了讨论和展望.

关键词： 机器学习   深度学习   影像组学   放疗剂量预测   疗效预测  

摘要： 调强放疗(IMRT)是当前主要的肿瘤临床治疗技术,制定临床上可接受、可执行的IMRT计划的关键是放疗剂量计算、剂量分布预测和优化评估,同时还需要对各种肿瘤放化疗的疗效和毒副作用进行预测和评估。综述近几年机器学习方法在基于肿瘤影像进行的肿瘤放疗剂量分布预测和疗效预测中的研究进展,包括基于深度学习的剂量预测方法和基于深度学习、影像组学与逻辑回归的放化疗疗效预测方法;综述针对IMRT、立体定向放射治疗(SBRT)、容积弧调强放疗(VMAT)等不同治疗方法的应用进展;提出了未来研究的方向、内容和策略。

关键词： 宏观审慎政策   金融稳定   系统性风险   宏观经济政策评估   SRISK   机器学习方法  

摘要： 宏观审慎政策的目标是维护金融稳定,本文首次提出利用计量方法在Rubin因果效应框架下对现代宏观经济政策评估进行模型量化评估了中国2007-2020年宏观审慎政策对金融稳定的影响效应.首先,本文构建了能反映中国宏观审慎政策实施强度的宏观审慎政策指数;其次,采用Brownlees and Engle (2017)提出的系统性风险指数SRISK测度了中国的系统性金融风险;最后,评估了宏观审慎政策对系统性金融风险、系统性金融风险跨部门传染以及信贷传导渠道中重要中间变量的影响效应.研究发现,宽松性宏观审慎政策会加大信贷渠道中间变量的风险,这些风险主要传导至房地产部门,导致房地产部门SRISK显著提升,而对金融部门系统性风险的累积影响并不显著,风险也没外溢至制造业部门.紧缩性宏观审慎政策除了会显著提高商业银行资本充足率同比增速外,对信贷渠道其他中间变量基本无显著影响,进而对金融部门、房地产部门及制造业部门的SRISK也无明显趋势性影响.基于以上结论,本文建议应进一步深化系统性金融风险测度指标的研究,为宏观审慎政策的制定与实施提供更全面、更系统的靶向目标;其次,需充分考虑监管套利的影响,疏通宏观审慎政策传导渠道,健全传导机制,提高调控效率;最后,应重视系统性风险的跨部门传染,从更广泛的角度关注金融稳定,以避免跨机构、跨部门间的风险传染对金融稳定造成不利影响,进而更好地防范系统性金融风险.

关键词： GNSS掩星   温度廓线   随机森林   FY-3C   神经网络  

摘要： 本文使用BP神经网络、随机森林回归算法,对2017年全年风云三号C星(FY-3C)GNSS掩星温度廓线数据进行修正和评估.结果表明:在全球范围内,两种方法均可以修正GNSS掩星温度数据,随机森林回归算法的修正效果优于神经网络方法,随机森林回归算法和神经网络方法修正后的结果与再分析数据的平均绝对误差分别为0.03 K与0.32 K,均方误差分别为0.09 K~2与1.02 K~2.将全球按照10°×10°划分为324个网格后,随机森林回归算法对平均绝对误差与均方误差修正的正向收益分别为97.53%与92.9%,神经网络方法对平均绝对误差与均方误差修正的正向收益分别为75.61%与67.9%.

关键词： 散斑图   斯坦福大学   美国能源部   光子产生   机器学习方法   X射线   探测技术   学习辅助  

摘要： 据美国国家加速器实验室网站11月7日消息,美国能源部国家加速器实验室(SLAC)和斯坦福大学的研究人员利用机器学习辅助方法加速了X射线自由电子激光探测技术,并将其扩展到以前无法研究的材料。研究人员在使用双脉冲技术研究材料时,X射线会从材料中散射出来,通常一次只能检测到一个光子,光子产生散斑图案代表样品在某一时刻的精确配置,通过比较每对脉冲的散斑图案来计算样本的波动。

关键词： 机器学习   因果推断   混杂因素控制  

摘要： 介绍医学研究中混杂因素对因果推断的影响及常见混杂因素识别方法,梳理机器学习方法在因果推断中控制混杂因素的应用,讨论应用机器学习方法在混杂因素控制中面临的机遇和挑战。