关键词： 人工智能   大气环境领域   模糊逻辑   遗传算法   人工神经网络  

摘要： 近年来，人工智能技术迅速发展，引起了各领域研究人员的关注，在农业、气候、安全、环境等不同学科领域均取得了丰硕成果。首先对模糊逻辑、遗传算法、人工神经网络、支持向量机、轻量级梯度提升机等人工智能技术的基本原理、技术特征和适用范围进行了总结，重点阐述混合智能系统的技术先进性和优势；其次，以大气环境领域为例，调研了人工智能技术在环境领域的应用进展，借助具体案例说明了常见的输入参数类型和性能评价指标；最后，从环境要素数据集、模型训练方式、算法自有缺陷3个方面分析了现阶段人工智能技术在大气环境领域存在的挑战，提出了人工智能技术在大气环境领域未来的应用发展趋势主要为混合智能系统组合研究、多环境要素综合分析及其与环保平台的协同应用。

关键词： 自发性知觉经络反应   焦虑   条件反射   情绪调节  

摘要： 自发性知觉经络反应（ASMR）是一种能够让人感到放松的特殊体验。它通常指个体在接触某些视觉或听觉刺激时，产生的令人身心轻松的愉悦感。有助于缓解压力，引导思维摆脱焦虑的影响。焦虑是大学生群体中较为普遍的一种心理状态。以往的研究表明，尽管针对焦虑的治疗方法已取得一定成效，但仍有部分学生因焦虑而产生轻生念头，甚至付诸实施。本文将探讨ASMR在焦虑方面的作用机制及研究展望，并对国内外ASMR的研究进行综述，为ASMR在心理学研究中的应用提供参考，同时也将更好地防范大学生的心理危机，促进其身心健康发展。

关键词： 油耗短时检测   主成分分析   遗传算法   小波神经网络  

摘要： 民航运输中飞机燃油成本在航线的变动成本中占比较大,会显著影响航线的收益评估.因此,飞机油耗数据的质量会直接影响到燃油成本、边际贡献计算的正确与否,继而影响到航线运行调整的管理决策.本文根据航线实际运行情况,首先选取飞机正常油耗数据,在短期内选取影响航线油耗较为显著的影响因子,并通过主成分分析法(PCA)剔除交叉重叠信息、提取主成分作为模型的解释变量,再通过遗传算法(GA)优化构建改进后的小波神经网络(WNN)的油耗预测模型.经验证,GA-WNN模型预测值与实际正常油耗的平均相对误差降至3%以下,较WNN模型的预测准确度有显著的提高,其预测值可作为正常耗油的参考.之后根据短期内单位时间油耗水平波动稳定的特点,将异常油耗和其对应的正常油耗样本换算为单位时间油耗进行偏差规律分析,以此建立异常油耗数据的判断标准.根据偏差规律分析,在短时运行期内与单位时间正常油耗相对偏差≥10%的油耗数据可作为异常油耗的判断标准.将正常油耗预测模型和建立的异常油耗判断标准进行检测验证,结果显示对油耗正常数据和异常数据的检测准确性在85%以上,模型具有较好的检测能力.

关键词： 变电站基坑   变形监测   遗传算法   GA-Prophet模型   超前预测   影响因素  

摘要： 【目的】基坑变形的监测是保证基坑施工安全的重要保障，为提高监测数据的应用价值及确保基坑的施工安全，以陕西省西安市某330 kV变电站基坑工程为项目依托，基于实际变形监测结果【方法】以均方误差MSE作为遗传算法(GA)的适应度函数，对Prophet模型中的趋势项、周期项和节假日项(偶发事件项)参数进行优化，并重点考虑与基坑变形规律相一致的趋势项参数，构建GA-Prophet基坑变形预测模型，并以MAE、RSS、RMSE和Theil不等系数值为评价指标，验证本模型的可行性及有效性，同时使用该模型对基坑水平及竖向变形进行超前预测，以评价基坑结构的安全状态。【结果】结果表明：GA-Prophet模型预测结果曲线与实测数据曲线较为接近，归功于预测模型中选用了符合实际工程位移变化规律的饱和模型，以JC8测点水平位移预测结果为例，该模型预测结果的MAE、RSS、RMSE、Theil不等系数值分别为0.480、1.310、0.512和0.052,均优于Prophet、LSTM、ARIMA和BP模型的预测结果；并且该模型对基坑变形的超前预测结果显示，各测点水平及竖向变形预测最大值均未超过规范要求的变形报警值，基坑结构处于安全状态。【结论】该模型对于基坑变形预测具有较好的适用性，提高了预测结果的准确性，可用于基坑变形安全预测。

关键词： 小波变换   遗传算法   电厂   低压   漏电   监测  

摘要： 为提升电厂低压漏电监测精度与可靠性，研究融合了遗传算法与小波变换。通过高精度电流与电压互感器采集信号并滤波降噪。随后，小波变换提取漏电特征，遗传算法则优化监测，从最优种群中确定漏电点位置。实验证明，该方法能精确监测各种漏电电流，显著增强监测的灵敏度和可靠性。

关键词： 城市交通   时空关联规则   遗传算法   交通事故   交通违法  

摘要： 借鉴最优化理论，基于FP-growth算法构建自适应阈值选择的时空关联规则挖掘算法。该算法能灵活确定不同关联对象间的时空阈值，使挖掘结果更全面，避免遗漏隐蔽但重要的关联关系。此外，客观的时空阈值确定方法能提升关联规则挖掘的准确性与可靠性。基于采集的深圳市2010—2020年交通违法数据进行验证性分析，结果表明该方法具有较好的稳定性与适用性，可辅助交通管理者识别与不同严重程度事故存在强时空关联的交通违法类型，从而为制定针对性的交通管理措施提供参考。

关键词： Asphalt concrete  

摘要： To achieve rapid and reliable prediction of asphalt mixture performance, a method for predicting asphalt mixture performance by optimizing the back propagation (BP) neural network with a genetic algorithm (GA) from the perspective of material composition design was proposed. Initially, a grey relational analysis method was employed to reduce the dimensionality of multidimensional input variables, identifying the core influencing factors of asphalt mixture performance. Subsequently, integrating the GA, a GA-BP neural network prediction model was constructed with the core influencing factors as the input layer and asphalt mixture performance as the output layer. The model underwent training, validation analysis, and prediction generalization application. A comparison with the training effectiveness and prediction accuracy of the BP neural network was conducted to verify the accuracy of the GA-BP neural network model. The research results indicate that the grey relational degrees of eight performance characteristics, including air void, asphalt-aggregate ratio, nominal maximum aggregate size, 4. 75 mm passing rate, asphalt type, softening point, penetration, and ductility, are all greater than 0. 6, signifying their significant impact on asphalt mixture performance. Compared to the BP neural network model, the GA-BP neural network model reduces the root mean square error (RMSE) by 16% to 31%, decreases the mean absolute error (MAE) by 15% to 24%, and improves the R2 value by 0. 01 to 0. 27, indicating that it has better learning and fitting capabilities. The prediction accuracy for dynamic modulus, dynamic stability, residual stability, splitting tensile strength ratio, and ultimate bending strain of the asphalt mixture is respectively enhanced by 35. 26%, 47. 78%, 23. 13%, 31. 92%, and 35. 75%, revealing the superior generalization application capability of the GA-BP neural network model. The research findings provide essential references for the rapid prediction of a

关键词： 鸡骨液   酶解   水解度   遗传算法   神经网络  

摘要： 鸡骨液酶解是鸡精生产中的关键步骤之一，为探究不同蛋白酶对鸡骨液的酶解效果，借助神经网络建立模型、交互验证、遗传算法优化确定鸡骨液酶解最佳工艺。试验结果表明：复合风味蛋白酶Flavourzyme和中性蛋白酶Neutrase的组合对鸡骨液具有最佳的酶解效果，且当两种酶以质量比2.0∶1复配时酶解效果最佳，最佳酶解条件为水解温度53.0℃、pH6.1、水解时间5 h。在该条件下水解度为43.44%，获得的酶解产物无苦味及腥味，具有突出的鲜味和肉香味，呈味效果良好。

摘要： 如果有人问我，当前的生成式人工智能给现有的教育体系带来的最大影响是什么？我认为，首当其冲的应该是教育体系中的“评价”。如果我们忽视其给评价带来的真正影响，将让教育的目的、方式、内容与实施都走错方向。自从计算器发明以来，考试评价方式就面临着层出不穷的挑战。随着计算器的普及，人们对手算与运算速度的要求逐渐淡化，但并非完全舍弃，其间接导致了考试的重点从“能否熟练运算”转向“能否运用公式、分析问题、解决复杂情境”。但是，这种观念的转变仍然存在不少争议，更别说完全转化为集体行动的全面变革。

关键词： 反后坐装置   遗传算法   线性加权   多目标优化   转管武器  

摘要： 针对转管炮在9 000发/min射频下对后坐部分后坐缓冲运动优化计算，采用遗传算法进行多目标优化设计，通过线性加权构建了包括后坐部分运动的位移函数、速度函数、后坐阻力函数的适应度方程，并获得了最优解；结果表明：相比于优化前后坐位移、速度与后坐阻力最大值有一定程度的降低，其中最大后坐位移下降14.75%,最大后坐速度下降9.5%,最大后坐阻力下降7.52%。证明了该基于遗传算法的后坐缓冲优化方法可以有效的解决转管武器后坐装置设计过程中多目标优化问题，获得更为优良的后坐缓冲运动特性曲线。