关键词： 机器学习   粒度剖面预测   测井曲线   地质纵向连续性  

摘要： 地层砂的粒度特征值d50(筛析曲线累计质量分数50%对应的粒径值,μm)是防砂设计中的关键参数,为获得粒度纵向分布剖面,开展了基于机器学习方法的储层粒度与测井曲线响应关系研究。经典机器学习往往缺少模型内部的特征提取过程,而且采用单一采样点作为输入,缺失相邻数据关联关系反映层位信息。考虑到储层的地质连续性,利用测井曲线趋势和背景信息,将深度相邻数据点作为机器学习特征值,提出了一种基于多采样点的粒度剖面预测方法,构造和训练了基于随机森林(Random Forest)、支持向量机(Support Vector Machine)、Xtreme Gradient Boosting Tree(XGBoost)、人工神经网络(Artificial Neural Network)的预测模型。研究结果表明,与单点映射模型相比,考虑储层纵向地质连续性的各模型预测精度均高于单点预测,其中五点映射的ANN模型(ANN-5)预测效果最好,测试集d50预测相关系数最高为0.819,误差MAE最小为9.59,证实了多个采样点作为输入隐含利用了部分地层信息,有效地提高了预测精度。研究了特征点密度对模型准确率的影响,对训练集二维输入空间中样本的特征点高斯核密度分布以及测试集样本点处的训练集特征点密度进行估算,得出在高密度区域中的测试集样本点的RMSE普遍较低。当增加训练样本数量时,模型预测精度将进一步提高。采用层次分析法确定影响模型选择各因素的权重,通过模糊综合评判法优选机器学习模型,根据优选出的模型对临近区块储层粒度剖面进行预测,预测结果很好地捕捉了粒度变化趋势,模拟了其峰值。

关键词： 耦合   陆面水文模型   机器学习   径流量预报   物理模型   人工智能  

摘要： 采用智能网格预报等多种气象预报数据与陆面水文模型及机器学习方法进行耦合,以岩滩水库流域区间为例,将区间预报径流量与历史径流量数据输入长短期记忆网络模型(LSTM)进行水库入库径流量预报,通过对日径流量模拟试验和业务试用分析,探明该方法在短期水文预报中的适用性。结果表明,耦合气象-水文-机器学习的径流量预报模型在率定期和验证期纳什效率系数(NSE)在0.65左右,在强降水过程训练试验中,日径流量和洪峰预报合格率≥87.5%,达到甲级预报精度标准;在业务试用中,24h、48h、72h日径流量预报合格率分别为87.3%、70.4%、75.5%,达到甲级或乙级预报精度标准,满足发布正式预报的精度要求;3次较大降水过程径流量和峰现时间预报合格率均为100%,达到甲级预报精度标准;峰值预报为66.7%,达到丙级预报标准,可用于参考性预报。将物理模型与人工智能方法进行有机耦合,可提高水文预报产品精度和适用性。

关键词： 农业   大数据   分类   遗传算法   极限学习机  

摘要： 论文在分析的极限学习机和遗传算法的基础上,提出通过遗传算法选择最优染色体,获得优化的极限学习机输入权值和阈值,提高网络稳定性,降低数据分类误差的方法。算法测试结果表明,基于遗传算法的极限学习机对于特征点较多的农业类数据的分类性能有较大提高。

关键词： 粒子群-神经网络   随机森林算法   经验正交函数   气候预测   汛期降水  

摘要： 使用1991-2021年7-9月广西90个地面气象观测站降水量、NCEP/NCAR月再分析资料和国家气候中心BCC_CSM1.1气候模式回报资料,研究建立基于粒子群-神经网络、随机森林算法的广西后汛期降水气候预测模型,并对2016年-2021年预测进行应用试验。结果表明,基于粒子群-神经网络、随机森林算法的后汛期降水预测Ps得分比逐步回归方法分别提高了2.78分、2.5分,比气候模式分别提高了29.22分、28.94分,预测能力有明显的提升。

关键词： Downscaling   Gradient boosting decision trees   Southern Africa   Karst   Remote and satellite sensing   MODEL   GRACE   ASSIMILATION   CONSTRAINTS   TEMPERATURE   RAINFALL  

摘要： A novel approach using machine learning algorithms is used to predict high-resolution groundwater-level changes, both current and in the future. The Southern African Development Community (SADC) is dependent on groundwater resources to meet freshwater demand but knowledge of groundwater resources in the region is hampered by the lack of available data, especially at a local scale. Improving the ability to generate near-real-time and high-resolution groundwater data is imperative to support effective groundwater management in the SADC. In this study, an autoregressive approach is applied to develop a set of generalized gradient-boosting decision tree models that can predict 30-day groundwater-level changes, both current and 1 month ahead. The approach integrates numerous readily available satellite-based, land-surface-model, and hydrogeological datasets to train, calibrate and test the gradient-boosting decision tree models. The models achieve a mean absolute error of 15.27 and 12.78 cm, for the groundwater-level-change predictions that are current and 1 month ahead, respectively. The models were used to predict monthly groundwater-level changes, both current and 1 month ahead, at a 10-km resolution, in the Ramotswa/North West/Gauteng dolomite aquifers of Southern Africa. When compared to observed in-situ groundwater-level changes, the mean absolute error for the current and 1-month-ahead groundwater-level changes were 21.23 and 22.26 cm, respectively. While the results are largely satisfactory, challenges associated with limited target data, and extreme values associated with groundwater abstraction, reduce model performance. Nonetheless, the approach demonstrates the applicability of machine learning to generate local groundwater information to improve groundwater management.

关键词： 信用溢价   因子模型   结构变化   机器学习  

摘要： 共同因子是刻画风险溢价的重要基础,将共同因子模型应用于公司债券市场有助于合理估计信用风险溢价。本文利用机器学习算法探究债券信用溢价因子的存在性以及结构变化后发现:规模、下行风险、价值、波动率以及流动性等五个公司债券共同因子对单个债券信用溢价有较好的解释能力,动量因子对信用溢价的解释能力较差,流动性因子具有较强的逆周期防御性功能。债券市场以及公司债券信用溢价因子在2015年前后存在明显的结构变化,利用稀疏学习和集成学习可以有效分析因子结构变化,建立风险预警。此外,在公司债券市场的市场制度和环境改变过程中,可以利用机器学习算法识别其对市场的影响,防范化解潜在的系统性风险。

关键词： L_(2)惩罚逻辑回归   支持向量机   梯度提升树算法   人工神经网络   极限梯度提升算法  

摘要： 肝癌在所有癌症中病死率高居第二名.由于机器学习方法能改进疾病预测精度,因此文章将利用它们研究肝癌前期诊断问题,提高肝癌的预测精度.首先选取影响肝癌的10个指标作为预测变量,将579位肝癌患者分为两组:随机抽取492位患者构成训练样本,剩余87位患者构成测试样本.接着利用训练样本建立6个分类器:逻辑回归、L_(2)惩罚逻辑回归、支持向量机(Support Vector Machine,SVM)、梯度提升决策树(Gradient Boosting Decision Tree,GBDT)、人工神经网络(Artificial Neural Network,ANN)和极限梯度提升算法(eXtreme Gradient Boosting,XGBoost),其中逻辑回归和L_(2)惩罚逻辑回归采用NewtonRaphson算法得到模型参数的迭代加权最小二乘估计,计算患者肿瘤细胞为恶性和良性的概率估计,确定最佳阈值预测肿瘤性状.最后用测试样本计算混淆矩阵、灵敏度和特异度,绘制ROC曲线评价预测精度.结果表明L_(2)惩罚逻辑回归预测精度最高,SVM预测精度排第二,XGBoost预测精度排第三,逻辑回归预测精度排第四,GBDT预测精度排第五,ANN和随机森林预测精度最差.

关键词： 干眼综合征   机器学习   眨眼  

摘要： 目的探讨干眼患者自发瞬目模式的特点。方法横断面研究。连续纳入2019年1至12月在首都医科大学附属北京同仁眼科中心角膜病专科门诊就诊的干眼患者357例作为干眼组,其中男性102例,女性255例;年龄(46.2±13.3)岁;同时纳入健康志愿者152名作为对照组,其中男性32例,女性120例;年龄(48.1±13.9)岁。所有患者进行问卷调查眼表疾病评分指数、瞬目视频获取、泪膜破裂时间(BUT)检查、角结膜荧光素染色、基础泪液分泌试验。将瞬目视频的单帧图片输入UNet分割算法与ResNet分类算法建立的模型进行分析,获取睑裂高度百分比绘制瞬目波。将完全瞬目分为A、B、C型,不完全瞬目分为Ⅰ、Ⅱ、Ⅲ型,进而分析干眼患者的自发瞬目特征,并使用独立样本t检验和Wilcoxon秩和检验分析其与对照组差异的统计学意义。结果本研究建立的分割模型与分类模型准确度分别为96.3%与96.0%,与人工分析的一致性为97.9%。干眼组患者瞬目频率为30(18,42)次/min,显著高于对照组的20(9,46)次/min(U=18132.50,P=0.002),但完全瞬目次数为6(3,24)次/min,明显低于对照组的12(3,33)次/min(U=12361.00,P=0.016),不完全瞬目次数为15(6,27)次/min,明显高于对照组的3(0,10)次/min(U=22839.00,P<0.001)。完全瞬目中,干眼患者A型瞬目占比显著高于对照组[53.7%(2796/5177)和39.3%(633/1698);χ^(2)=101.83,P<0.001];不完全瞬目中,干眼患者Ⅱ型瞬目占比显著高于对照组[36.0%(2334/6477)和29.6%(126/426);χ^(2)=6.99,P=0.008]。干眼患者平均瞬目间期为1.5 s,与对照组2.2 s比较,差异无统计学意义(U=15230.00,P=0.093);干眼患者眼睑完全闭合期为0.8 s,明显短于对照组1.3 s(U=16291.50,P=0.006)。闭眼期、睁眼前期、睁眼末期与对照组比较,差异均无统计学意义(均P>0.05)。结论干眼患者不完全瞬目次数增加、完全瞬目次数减少,眼睑完全闭合时间明显缩短;其瞬目模式以闭合幅度减少的Ⅱ型不完全瞬目及闭合时间缩短的A型完全瞬目为主。

关键词： 高密度   水位监测   概念模型   地下水   补给边界   排泄边界  

摘要： 随着我国地下水监测工作的高速发展,高频率高密度水位监测数据的出现催生了对其进行深入信息挖掘的需求。在传统地下水模型研究中,地下水水位监测值常位于模型构建过程的下游,当水位监测的时空密度逐渐增大时,新增信息无法有效传导至模型的规划阶段并指导概念模型的修订。文章提出了一种地下水系统补排边界的识别方法,在不建立地下水数值模型的前提下,以监测井空间位置为节点,按照德劳内原则建立三角网格。在此网格系统中,首先定义一个水力梯度变换函数gradF,以求取网格中任意位置的水力梯度;借鉴机器学习领域的优化算法,使用水力梯度场驱动含水层中随机分布质点的运行轨迹,并以此推断和识别区域内地下水补给和排泄边界。在环境地学计算平台EnviFusion-CGS中实现,并构建了详细工作流程。以山东省青岛市大沽河中下游含水层为示范区,对含水系统的补给区和排泄区的空间分布及其动态变化进行了分析,取得了良好效果。本研究为构建和修订已有含水层概念模型提供了新思路。

关键词： 滑坡   机器学习   滑坡易发性   三峡库区   深度学习  

摘要： 中国山区多、地形复杂,构造发育、地质灾害隐患分布广泛。滑坡作为山区最具灾难性的地质灾害之一,严重威胁着人民群众的生命及财产安全。构建滑坡易发性模型能够量化滑坡发生的可能性,对制定防灾措施、减少潜在风险具有重要作用。由于经验驱动模型难以量化,且往往依赖主观判断,近年来,滑坡易发性模型的精度与准确度在从经验驱动和统计理论模型向新兴机器学习方向发展的过程中得到提升。对目前滑坡易发性评价常用的机器学习模型进行综合评述,并针对三峡库区的案例研究,对不同的机器学习技术进行广泛分析和比较。机器学习模型通过结合实地调查资料和历史数据,可绘制滑坡易发性地图,辅助制定滑坡减缓策略。根据滑坡易发性预测模型的准确性和效率,评价几种常用算法的优势和局限性。结果表明,与一些常用的滑坡易发性制图方法相比,基于树结构的集成算法模型性能更好。此外,高质量的数据库十分重要,深度学习算法的更多应用还有待进一步研究探索。