关键词： 非支配排序遗传算法   页岩气   压裂工艺   参数优化   自动优化  

摘要： 为了提高页岩气开采效率和经济性,提出基于非支配排序遗传算法的页岩气压裂工艺参数优化研究。综合考量压裂液注入体积流量、支撑剂用量、压裂段长度及其他相关参数,设计多目标函数。在此基础上,设定涵盖地质条件、工艺参数及经济效益的详尽约束条件。通过非支配排序遗传算法(NSGA-Ⅱ)结合独特的实数编码方案,对复杂工艺参数组合进行精确表征与优化,最终输出一系列帕累托最优解,实现页岩气压裂工艺参数的自动优化。实验结果表明,该研究方法能够自动找到最优的工艺参数组合,显著提升页岩气的开采效率并降低开采成本,增强整体经济性。

关键词： 骨科手术   深度学习   人工神经网络   深静脉血栓形成   决策曲线   模型  

摘要： 目的构建骨科手术患者深度学习血栓形成风险模型,并选用决策曲线分析其临床效能。方法回顾性选取2022年2月—2024年2月浙江大学医学院附属第二医院临平院区收治的180例骨科手术患者,根据7∶3比例将其划分为训练集(126例)和验证集(54例);根据训练集内患者深静脉血栓(DVT)形成与否进一步分为DVT发生组(32例)与DVT未发生组(94例)。通过Python软件构建骨科手术患者DVT风险预测人工神经网络(ANN)模型,绘制决策曲线分析模型的临床效能。结果训练集内DVT发生组年龄、BMI、手术时间及卧床时间均高于DVT未发生组,糖尿病、高血压、脊柱手术史、病情分布(下肢损伤)、全麻占比均高于DVT未发生组(P<0.05)。年龄大、BMI高、合并糖尿病、高血压、病情分布(下肢损伤)和卧床时间>5 d均为骨科手术患者发生DVT的独立危险因素(P<0.05)。训练集、验证集的AUC分别为0.887、0.903。训练集与验证集分别取阈值概率18%~56%、19%~58%时,对骨科手术患者采取有效干预措施可使临床效益最大化。结论年龄大、BMI高、合并糖尿病、高血压、病情分布(下肢损伤)和卧床时间>5 d是骨科手术患者发生DVT的独立危险因素,由这些影响因素构建的ANN模型对骨科手术患者DVT风险预测效能显著,有助于DVT防治工作的临床效益最大化。

关键词： 人工神经网络   价格预测   石油化工   柴油市场   生产经营优化  

摘要： 2024年以来柴油市场持续疲软。面对困境合理调控资源以期推动柴油价格回升,成为缓解柴油业务亏损的重要途径。然而,当前国内外尚缺乏直接量化柴油产量调整与批发价格变化之间关系的研究。该研究基于生产优化模型,利用人工智能反向传播神经网络建立“柴油批发价格预测模型”并应用于某企业,成功实现将企业计划优化与市场需求变化紧密结合的动态测算,在当今瞬息万变的新型市场环境下具有重要意义。

关键词： 卷积神经网络   数字孪生   负荷预测   冷水系统   遗传算法   超参数优化  

摘要： 为满足建筑物末端的制冷需求,中央空调冷水系统长期在部分负荷下运行,这导致能源消耗较高。对中央空调冷水机组的负荷预测有利于节能改造以达到负荷最优。针对冷水系统存在的错综复杂交互关系和多变量等难以精确预测的问题,提出一种基于卷积神经网络(convolutional neural network,CNN)—遗传算法(genetic algorithm,GA)—极端梯度提升(extreme gradient boosting,XGBoost)的冷水机组数字孪生体预测模型。首先利用历史数据训练CNN-GA-XGBoost预测模型;然后将训练好的模型通过应用程序接口(application program interface,API)的方式连接到数字孪生体系统中进行实时预测;最后在数字孪生系统中展示预测结果。结果表明,所提的方法模型评估指标决定系数达到0.995,平均绝对百分比误差为0.82,均方根误差为2.22。数字孪生体预测模型有效地连接了物理实体和数据驱动,能够实现建筑物空调负荷的精准预测,并且所提预测方法相较于其他模型具有更高的精度和更好的泛化性。

关键词： 中职选择   问题学生   顾虑   学校教育制度  

摘要： 不论如何质疑,学生与社会的发展仍然需要中等职业教育。然而,大众对中职学校愈演愈烈的排斥倾向,动摇了中等职业教育的生存条件。对18名初中毕业生的访谈资料表明,“问题学生”是引起他们中职学校选择顾虑十分关键的因素。在初中毕业生看来,“问题学生”是与中职学生共存共现的概念标签,其行为、思想与形象等具有较强的消极特征,并且基本流向对其管束有限的中职学校。选择中职学校,意味着既要承受与“问题学生”接触带来的种种负面影响,又要承受被外界贴上“问题学生”身份标签而引起的角色同一性危机,这是初中毕业生中职学校选择顾虑生成的双重逻辑。问题溯源发现,现行“双分支”学制是催生中职学校选择顾虑的深层原因。构建普通教育、技术教育与技能教育三轨并立的“三分支”学制,有望缓解甚至消除初中毕业生对职业教育的选择忧虑。

关键词： 径向基神经网络   重金属污染   预测模型   废水排放  

摘要： 基于径向基函数神经网络(Radial Basis Function Neural Network,RBFNN)构建了一种环境废水质量预测模型,根据湖南省2021—2022年监测的pH值、化学需氧量(Chemical Oxygen Demand,COD)和氨氮浓度数据,预测了2023年各月废水排放的环境质量。模型采用RBFNN单隐层结构,利用Softmax激活函数和梯度下降优化算法对废水数据进行了建模和预测。实验结果表明,pH值在7.2~7.4之间,氨氮浓度稳定在国家一级排放标准以下,COD浓度虽有波动但总体符合国家标准。与传统模型相比,RBFNN能够更好地捕捉数据中的非线性特征,提高了预测精度,展示了RBFNN在环境科学中的应用潜力,并为废水质量预测提供了有效的技术路径。

关键词： 数字标牌   广告投放   最大覆盖模型   优化选址   遗传算法  

摘要： 针对数字标牌优化选址研究欠缺考虑人文地理环境、布设成本和用户需求等约束,将数字标牌影响因子数据多尺度空间化,统一多源数据的空间基准,构造数字标牌优化选址的多源影响因子和多尺度建模因子序列.在此基础上构建数字标牌多重约束最大覆盖模型,并采用改进的遗传算法求解模型,提出优化选址方案.以北京市六环路以内区域为例,对选址结果空间分布进行分析与总结.以覆盖情况和运行时间作为评价指标,由所提方法得到的最大受众覆盖率约为0.93、最大覆盖受众数量为185 051.结果表明该模型能有效耦合多源异构数据优化选址,算法效果在多个指标下优于传统遗传算法和Gurobi软件,有效提升了数字标牌投放的精准性及效率,为实际公共基础设施布局优化提供了参考.

关键词： 人工智能   伦理   治理   内在主义   知识表示   偏见冲突  

摘要： 全球人工智能技术的发展呈现出寡头垄断与层级分化的格局。开发者的地域、文化、教育背景差异,以及训练数据的社会、文化、政治属性差异,正在加剧知识垄断和伦理垄断,放大文化偏见和价值观冲突。人工智能偏见和冲突的治理需要以大科学的研究理念,生成伦理与技术的同步链接,以确保技术与伦理的协同发展。伦理治理的内在主义进路具有哲学和技术两方面的学理基础:将伦理准则作为人工智能的逻辑起点而非评价标准,创造具有道德能动性的人工智能,是防范、化解偏见和冲突的有效策略;预训练-微调的技术范式和微调数据集是内在主义进路的技术基础。以本体表示法作为结构化伦理知识表达和语义推理的基础,设计再微调的技术路线和伦理数据集对大模型进行伦理智能优化,为建构人工智能的道德能动性提供了方法论和路线图。以中国伦理为例的本体知识表示,论证了人工智能偏见与冲突治理的内在主义进路何以可能。

关键词： 桥梁健康监测   传感器部署优化   数据可靠性评估   遗传算法   公路桥梁  

摘要： 随着交通基础设施的老化以及交通流量的增加,桥梁的安全性和耐久性成为了人们关注的重点。本文以某省一座大型公路桥梁——龙阳桥为例,探讨了桥梁健康监测系统(BHM System)中的传感器部署优化及其数据可靠性评估方法。通过对龙阳桥实际监测数据的分析,本文提出了一种基于遗传算法的传感器优化配置方案,并通过实验验证了该方案的有效性。此外,还对所采集的数据进行了可靠性评估,确保了监测系统的准确性和稳定性。

关键词： 移动机器人   路径规划   改进遗传算法   平滑路径   种群初始化  

摘要： 针对传统遗传算法在移动机器人路径规划中存在路径不平滑、容易早熟等问题,提出了一种改进遗传算法。首先,采用基于终点距离和夹角的种群初始化方法以提高初始种群质量;其次,根据路径长度和转向角度设计了新的适应度函数以提高路径平滑度,采用保留较差解的改进锦标赛选择策略以增加种群多样性;最后,设计了基于节点数量筛选交叉个体的交叉算子,加快收敛速度并减少无效交叉,同时采用了多种变异策略以增加算法后期的搜索能力。对比仿真实验表明,本研究所提出的改进遗传算法能较好地避免早熟,所得路径更平滑,收敛速度更快,综合性能相对更优。