关键词： 烃微渗漏   图像分类   机器学习   卷积神经网络  

摘要： 油气藏的烃微渗漏是一种普遍存在的现象,遥感技术为油气藏的烃微渗漏地表检测提供了高效快捷的方法.传统的基于烃微渗漏机理的方法通过检测烃微渗漏引起的地表异常(植被、蚀变矿物等)响应以提取烃微渗漏位置,方法简单,但多解性强.本文以哈萨克斯坦Marsel探区为研究对象,提出了一种基于机器学习的遥感影像烃微渗漏异常提取方法.首先以研究区地表微生物检测结果为基础制作训练样本,为了对比不同样本学习结果,分别制作了斑块样本(patch sample)数据集和像元样本(pixel sample)数据集,在此基础上采用逻辑回归、支持向量机、随机森林、LeNet、AlexNet、GoogLeNet、ResNet算法构建两类数据集的学习模型.结果表明,对于经典机器学习算法,斑块样本最高准确率达0.833,像元样本最高达0.771;对于深度学习算法,斑块样本最高达0.782,像元样本最高达0.914.最后把这准确率最高的四种算法模型应用于哈萨克斯坦Marsel探区,并与地质地震资料进行对比,发现ResNet-18-1D对像元样本的预测结果与地震地质分析资料的对应性最佳,且准确率达0.914,Kappa系数达0.892.

关键词： 含硼材料   能隙   总磁化强度   机器学习  

摘要： 近年来,含硼材料在新能源、催化等领域日益受到重视,然而,对于高附加值的含硼材料发展还存在很高的技术壁垒.因此,亟需深入研究含硼材料微观性质间的关联关系,推动高端含硼材料的研发.本工作面向材料研究从传统的试错法向数据驱动的研究范式转变的需求,通过特征选择、网格搜索优化以及特征重要性分析,探索了多种重要的机器学习算法在含硼材料能隙预测中的应用.结果表明,采用随机森林算法的能隙预测模型决定系数(R^(2))可达0.84,并发现含硼材料的总磁化强度(total magnetization)特征与能隙存在显著的负相关关系,即材料的总磁化强度越小,其能隙越大.本工作表明机器学习方法可用于定向设计具有特定能隙的含硼材料.同时,结果也表明,作为一种集成学习模型,随机森林具有较好的学习能力与稳定的预测性能,可以应用到其它类型材料体系的能隙以及其它材料属性的预测,加速材料性能的设计与优化过程,对新型功能材料的快速筛选与高性能预测具有重要的科学意义.

关键词： 京津冀   低能见度天气预报   ERA5再分析资料   机器学习  

摘要： 利用2017—2021年的ERA5再分析资料和京津冀国家站地面资料,结合多种机器学习方法建立预报模型,开展轻雾、大雾客观预报。探讨了再分析资料、地形因素的影响,并结合多模型集成、统计消空进一步优化模型。结果表明:(1)XGBoost(eXtreme Gradient Boosting)、LightGBM(Light Gradient Boosting Machine)、随机森林等集成学习方法的预报效果均优于决策树方法;(2)在引入ERA5再分析资料、地形建模后,XGBoost、LightGBM模型的预报性能显著提高。相比仅使用地面要素建模,大雾预报的TS(Threat Score)提升了30%、32%,达到0.52、0.49,命中率分别为0.62、0.87。此外,经过多模型集成后,轻雾、大雾预报的TS提升到了0.51、0.54;(3)2022年秋季一次大雾过程中,本方法提前72 h准确预报了京津冀地区的大雾,其中以LightGBM模型表现最好。0~72 h轻雾预报和0~36 h逐小时大雾预报的TS均达到0.3,预报准确率、时效性均优于ECMWF(European Center for Medium Weather Forecasting)模式。

关键词： 机器学习   性能评估   模型  

摘要： 近些年,机器学习越来越多地应用于生物信息学、建筑材料等领域。与传统模型,相比机器学习模型具有预测速度快、准确性高等优点。文章主要对四种基本机器学习模型进行介绍以及性能评估,有助于研究人员选择合适且准确的机器学习模型。

关键词： ICESat-2/ATLAS   贝叶斯优化算法   机器学习方法   SVM-RFE   半方差函数  

摘要： 【目的】旨在评估星载光子计数雷达数据估测森林郁闭度(Forest Canopy Closure,FCC)的潜力,为优化森林管理规划提出一种高效率、低成本估测区域尺度FCC的新技术方法。【方法】研究以星载激光雷达ICESat-2/ATLAS光子点云数据为信息源,以滇西北生态脆弱区香格里拉为研究区,结合54块地面实测样地数据,在前期对点云数据进行去噪、分类等预处理的基础上,对研究区74808个有林地光斑冠层参数进行提取(共计59个),使用支持向量机的递归特征消除算法(SVM-RFE)优选特征变量,采用普通克里格(OK)插值出区域尺度特征变量的空间分布,基于贝叶斯优化(BO)算法改进后的随机森林(RF)、K-最近邻值法(KNN)、梯度回归(GBRT)模型建模,以决定系数(R^(2))、均方根误差(RMSE)、总体预测精度(P)、残差平方和(R_(SS))和相对均方根误差(R_(RMSE))作为模型评价指标,以此构建研究区FCC估测模型。【结果】1)由ICESat-2/ATLAS提取的光斑冠层参数经SVM-RFE优选后,6个(asr、n_toc_photons、n_ca_photons、h_min_canopy、toc_roughness、photon_rate_can)冠层参数的平均交叉验证精度高为0.60,可作为OK插值变量;2)以优选的冠层参数作为OK插值变量拟合最佳半方差函数,所有变量的块金效应(SR<25%)较弱,具有强烈的空间自相关性,除asr变量的最佳拟合模型为球状模型(R^(2)=0.689,R_(SS)=2.05×10^(-6),R_(RMSE)=0.1602)外,其余5个变量的最佳拟合模型均为指数模型(R^(2),0.71~0.93;R_(SS),2.34×10^(-9)~1.54×10^(-4);R_(RMSE),0.0239~0.1886);3)在BO-RF、BO-GBRT、BO-KNN郁闭度估测模型中,以BO-RF模型综合建模精度最高(R^(2)=0.73,RMSE=0.09、P=80.13%),可作为研究区FCC遥感估测模型;4)使用BO-RF模型估测的研究区FCC进行空间制图,均值为0.53,主要分布在0.3~0.6之间,占比77.44%。FCC高值区域总体呈现出由东南向北延伸分布的趋势,与研究区森林资源分布情况基本一致。【结论】该方法可为优化森林资源管理提供一种技术与方法上的参考。

关键词： 代谢组学   机器学习   太谷山药   铁棍山药   差异标志物  

摘要： 本研究旨在利用代谢组学筛选出太古山药和铁棍山药之间的差异代谢物，并通过LASSO回归机器学习方法确定作为预测不同山药品种的差异标志物。研究采用超高效液相色谱-四级杆飞行时间串联质谱（ultra-performance liquid chromatography-quadrupole time of flight tandem mass spectrometry， UPLC-Q-TOF-MS/MS）分析两种山药中的代谢物，通过主成分分析（principal component analysis， PCA）和正交偏最小二乘判别分析（orthogonal partial least squares-discriminant analysis， OPLS-DA）识别出两种山药中的差异代谢物，利用最小绝对收缩和选择算子（least absolute shrinkage and selection operator， LASSO）回归方法筛选出差异性标志物，建立用于品种鉴别的预测模型。结果显示，在两种山药中共鉴别出206种代谢物，PCA分析发现太谷山药和铁棍山药之间区分明显，OPLS-DA进一步筛选出56种存在显著性差异的代谢物。基于这些差异代谢物进行LASSO回归分析，得到ophiogenin 3-O-beta-L-rhamnopyranosyl-beta-D-glucopyranoside、天冬氨酸、表儿茶素没食子酸酯、夏佛塔苷以及没食子儿茶素5种关键差异标志物，建立了用于太谷山药和铁棍山药品种鉴别的LASSO回归预测模型。本研究基于代谢组学和LASSO回归机器学习方法，识别出太谷山药和铁棍山药的差异标志物，构建了不同品种山药的预测模型，为山药的鉴别提供了新的思路。

关键词： 流态化   循环流化床   k-means机器学习   颗粒聚团   预测  

摘要： 循环流化床因其优良的气固接触特性在工业生产中的应用十分广泛。颗粒聚团的存在影响着气固相互作用和传热传质，进而影响产品收率和选择性。为了更高效和深入地研究循环流化床内的颗粒聚团现象，本研究利用高速摄像系统对Ug= 5-9m/s， Gs= 50-300kg/m2s的二维循环流化床内的流场结构进行了可视化采样。采用k-means机器学习算法辅助图像处理，实现复杂流场中颗粒聚团的识别以及定量表征。结果表明，当Ug= 9m/s时，随着Gs由50kg/m2s增大至300kg/m2s，颗粒聚团频率由116Hz增加到327Hz，增长了近两倍。平均颗粒聚团浓度在横向截面中心区域y/Y=0～0.7处分布较为均匀，在y/Y=0.7～0.9的边壁处迅速增大。边壁处平均颗粒聚团浓度的变化幅度约为中心区域的三倍。平均颗粒聚团速度以及平均颗粒等效直径在横向上均表现出相同的变化趋势，均由中心向边壁递减。结合实验数据，对不同聚团参数进行拟合，获得了定量预测各个参数的关联式。对比实验数据与预测数据发现，本实验建立的定量关联式获得的预测结果相对误差均在30%以下。本研究结果定量地揭示了循环流化床内各颗粒聚团特性的分布规律，可以为循环流化床气固流动模型开发和过程强化提供数据参考。

关键词： 数字技术创新   并购   机器学习  

摘要： 数字技术创新是数字经济发展的动力之源，并购重组是企业获取数字技术、进行数字化变革的高效方式。本文运用文本分析和Word2Vec算法构建数字专利词库、通过机器学习模型对数字技术进行细分，从并购视角探究数字技术创新能否为企业带来价值。本文利用2011—2020年沪深A股上市公司数据，研究发现：目标公司拥有的数字专利越多，企业并购所产生的累积超额收益率越大，即数字技术创新能显著提升并购公司的市场价值；目标公司拥有的数字技术能显著提升并购企业的生产效率、数字技术创新以及商业模式创新；对于处在知识产权保护较强地区、受到分析师关注较高以及拥有首席技术官的并购公司而言，数字技术的这种价值提升效应更明显；就数字技术类别而言，目标公司拥有的云计算技术和通信网络技术是驱动并购公司价值提升的可能原因，且最具价值的数字技术类别存在行业异质性。本文不仅丰富了数字技术创新的相关研究，也为强化数字技术与实体经济的深度融合提供了政策参考。

关键词： 缺血性卒中   葡萄糖代谢   加权基因共表达网络分析   机器学习   关键基因  

摘要： 目的 基于加权基因共表达网络分析(WGCNA)和机器学习方法探究葡萄糖代谢参与缺血性脑卒中(IS)的机制及其关键基因。方法 本实验时间为2022年11月—2023年6月。从GEO数据库GPL6883平台下载IS芯片数据集GSE16561，其包括39例IS患者(IS组)和24例健康受试者(对照组)外周血的总RNA表达谱数据，对其进行预处理，基于WGCNA筛选与IS组相关性最强的模块内基因，将其与在GeneCards数据库选取的相关性得分>5分的基因取交集，得到葡萄糖代谢相关基因并对其进行基因本体论(GO)功能富集分析。基于蛋白质相互作用(PPI)网络分析，采用机器学习方法[随机森林(RF)、支持向量机递归特征消除(SVM-RFE)算法]筛选葡萄糖代谢关键基因。比较GSE16561中IS组和对照组葡萄糖代谢关键基因表达量，同时绘制葡萄糖代谢关键基因诊断IS的ROC曲线，通过曲线下面积(AUC)评估其诊断效能。结果 WGCNA共得到了11个基因共表达模块，其中棕色模块与IS组相关性最强(r=0.56,P=2×10-6)，其共包含461个基因。GeneCards数据库中相关性得分>5分的基因共2 386个，将其与棕色模块基因取交集，共得到85个葡萄糖代谢相关基因。GO功能富集分析结果显示，葡萄糖代谢相关基因主要涉及的生物学过程(BP)为对肽的反应、对肽激素的反应、细胞碳水化合物代谢过程，主要涉及的细胞成分(CC)为富含纤维胶凝蛋白1的颗粒、分泌颗粒腔、细胞质囊泡腔，主要涉及的分子功能(MF)为类泛素蛋白连接酶结合、磷蛋白结合、蛋白酶结合。PPI网络分析结果显示，得到了1个包含12个基因的核心模块。RF算法分析结果显示，重要性排名前12位的基因分别为MMP9、STAT3、ITGAM、NFKB1、TLR2、MYD88、STAT5A、TLR4、SYK、LYN、CEBPB、MAPK3。SVM-RFE算法分析结果显示，得到4个关键基因，分别为MMP9、STAT3、ITGAM、TLR2。将RF算法以及SVM-RFE算法得到的关键基因取交集，最终得到4个葡萄糖代谢关键基因，分别为MMP9、STAT3、ITGAM、TLR2。IS组MMP9、STAT3、ITGAM、TLR2表达量高于对照组(P<0.05)。ROC曲线分析结果显示，MMP9、STAT3、ITGAM、TLR2诊断IS的AUC分别为0.855[95%CI(0.762～0.948)]、0.872[95%CI(0.784～0.960)]、0.842[95%CI(0.747～0.936)]、0.829[95%CI(0.727～0.931)]。结论 葡萄糖代谢相关基因主要通过影响炎症反应及氧化应激等而参与IS的发生发展，且MMP9、STAT3、ITGAM、TLR2为葡萄糖代谢关键基因，这可为葡萄糖代谢参与IS的相关研究提供新思路。

关键词： 类腐殖质   氧化潜势   源解析   机器学习   小样本学习  

摘要： 水溶性类腐殖质(water-soluble humic-like substances,HULISWS)是大气颗粒物中一类危害人体健康的有机物.氧化潜势(oxygen potential,OP)可以用于衡量颗粒物对细胞内分子的氧化能力，精确解析HULISWS的OP来源可以助力有害污染物的精准减排工作.本文于2016年秋、冬季节在东北平原逐日采集了大气细颗粒物(PM2.5)样品，并使用正定矩阵因子分解(positive-definite matrix factorization,PMF)模型量化了PM2.5中HULISWS来源的变化特征.尽管此前很多研究解析了HULISWS中OP的潜在来源，但传统源解析方法难以准确拟合OP与物质来源关系，导致其解析结果存在较大不确定性.随机森林(random forest,RF)是一种可以拟合非线性关系的机器学习算法，可以对OP来源进行解析.然而，RF算法在较小样本训练下通常会增加泛化误差，导致模型不确定性较大.针对这些问题，本文提出并验证了一种通过强化RF模型对特征变量的识别来提升其泛化能力的小样本学习(few-shot learning,FSL)方法 [FSL-RF].通过FSL-RF拟合HULISWS的OP与PMF源解析结果来建立来源与OP的关系，并使用置换变量重要性量化了各来源对OP的贡献.结果表明，生物质燃烧贡献了HULISWS浓度和HULISWS中OP的72%和63%.此外，烹饪排放贡献了4%的HULISWS浓度，对HULISWS中OP的贡献为19%.目前，尽管生物质燃烧仍然是东北地区大气HULISWS对人体造成细胞损伤的主要方式，但对烹饪排放的减排对人体细胞损伤的控制更加有效.