关键词： 双相障碍   自杀预测   随机森林   人工神经网络   机器学习  

摘要： 目的通过构建基于随机森林和人工神经网络的机器学习模型,建立双相障碍患者的自杀行为预测模型,为患者提供自杀预防和干预的临床决策支持。方法2020年1月至2023年8月,选取1005名双相障碍患者作为研究对象,收集其一般临床资料和社会功能缺陷、焦虑、抑郁评分。运用随机森林算法进行特征选择,并以此构建人工神经网络模型,最终对模型拟合效果及模型预测性能进行评估。结果双相障碍患者的自杀尝试组(n=293例)、自杀意念组(n=332)和无自杀组(n=380)在社会人口学特征、生理和心理因素上均差异有统计学意义(P<0.05)。利用随机森林法筛选出文化程度、年龄、游离三碘甲状腺原氨酸(FT3)、认知障碍、绝望感和精神性焦虑6个特征作为主要预测变量。构建人工神经网络模型,其模型预测性能精确度为79.3%,召回率为79.6%,F1分数为79.4%,测试集的AUC为0.89,显示预测模型具有较高的准确度和区分度。结论本研究构建的基于机器学习的双相障碍患者自杀行为预测模型,具有较高的准确度和区分度,为双相障碍患者自杀行为的预防和干预提供决策依据。

关键词： 人工神经网络   诺贝尔物理学奖   化学奖   诺贝尔奖   杰弗里   霍普菲尔德   AI   训练算法  

摘要： 不知道同学们有没有关注2024年的诺贝尔奖,尤其是物理学奖和化学奖?这两个奖项有一个共同的特点:青睐人工智能(AI)。借助AI的力量,研究人员都获得了丰硕的成果,并极大地改变了人们的工作和生活。约翰·霍普菲尔德模拟人脑神经网络,发明了一个人工神经网络;杰弗里·辛顿发明了人工神经网络的训练算法;大卫·贝克利用AI软件罗塞塔,设计出全新的蛋白质;戴米斯·哈萨比斯和约翰·江珀利用人工神经网络,快速而准确地预测出蛋白质结构。

关键词： 普林斯顿大学   博士学位   诺贝尔物理学奖   加拿大科学家   贝尔电话实验室   人工神经网络   机器学习   康奈尔大学  

摘要： 物理学奖美国科学家霍普菲尔德(***)和加拿大科学家辛顿(***)因“基于人工神经网络实现机器学习的基础性发现和发明”获2024年度诺贝尔物理学奖。霍普菲尔德1933年生于美国芝加哥,1958年在康奈尔大学获物理学博士学位,同年成为贝尔电话实验室成员,后兴趣转向物理学和生物学交叉领域,1997年起任普林斯顿大学教授。

关键词： 超级微波消解   电感耦合等离体质谱   铀   钍   有效剂量  

摘要： 建立超级微波消解-电感耦合等离体质谱法快速测定水产品中的天然铀、钍含量的方法,利用检测数据及方法模型估算其所致的年有效剂量。结果表明,铀、钍的定量限分别为0.022 4、0.025 4 mg·kg^(-1),加标回收率分别为94.6%、91.7%;102批次贝类水产品(含虾类)中铀含量最高为0.069 mg·kg^(-1),钍含量最高为0.250 mg·kg^(-1),结果均小于《食品中放射性物质限制浓度标准》(GB 14882—1994)中肉鱼虾类铀、钍规定值5.4 mg·kg^(-1)和3.6 mg·kg^(-1);估算出贝类水产品中天然铀、钍儿童年待积有效剂量为0.346 23 μSv·a^(-1),成人年待积有效剂量为0.447 30 μSv·a^(-1)。

关键词： 电力能源   风力发电场   电能优化调度   并行遗传算法   电力能源质量  

摘要： 随着风力发电技术的不断发展,其并入大电网的规模也在不断地扩大。由于风速无法确定,致使风电场出力具有极大的不确定性,对电网稳定性和电能质量方面带来极大威胁,提出基于并行遗传算法的含风电场电力能源调度系统设计研究。研究分析风电场并网对电网的影响,构建了准入容量线性模型计算风电场准入最大容量。以经济性和可靠性为目标,确定含风电场电力能源调度目标函数,引入并行遗传算法优化求解,得到最优解。实验结果表明,该系统加速比最大值达到9.4,电压控制在合理范围内,含风电场电力能源调度系统具有更好的电力能源调度能力。

关键词： 人工神经网络   Norton-Bailey幂律   蠕变本构模型   蠕变分界点   蠕变性能预测  

摘要： 新型反应堆的设计温度越来越高,寿命越来越长,其金属构件的蠕变现象越发显著。蠕变分析需要基于实验数据建立精确的本构模型,但获取长时实验数据代价高昂,因此需要研究由短时实验数据预测长时蠕变性能的可靠模型。本文使用不锈钢3000 h的蠕变实验数据,先进行降噪处理,结合蠕变的物理特性找到蠕变第一、二阶段分界点,然后基于人工神经网络和Norton-Bailey幂律对实验数据进行分段训练和反向参数标定,最终得到优化的高温蠕变本构模型。经过与实验数据对比可知,该模型既能够准确描述材料蠕变变形行为,又能预测长达10000 h的蠕变变形,且预测结果与实验数据的相对误差不超过3%,其精确度远高于单一使用蠕变理论或神经网络训练得到的结果。本文结果为反应堆结构高温蠕变本构模型研究提供了有效的新方法,对高温反应堆蠕变分析和寿命评价具有理论指导意义和工程参考价值。

关键词： 履带车辆   液力自动变速器   换挡品质   遗传算法  

摘要： 履带车辆在服役状态下面临复杂恶劣的行驶环境,作为其重要组成部分的综合传动装置液压操纵系统的关键参数会出现性能退化,进而导致换挡品质大幅恶化。为改善综合传动装置在不同服役状态下的换挡品质,研究服役状态下液压操纵系统退化机理,建立包括动力源模型、行星变速器统一动力学模型和负载模型的换挡过程模型。根据换挡品质评价函数,利用遗传算法及全局寻优算法对综合传动装置换挡过程油压曲线进行优化。建立换挡油压曲线优化仿真实验平台,开展车辆不同服役状态下换挡油压曲线优化实验。研究结果表明,换挡油压曲线优化方法能有效改善车辆不同服役状态下的换挡品质。

关键词： 钢管混凝土柱   轴压承载力   人工神经网络   性能预测  

摘要： 钢管混凝土柱的轴压承载力是结构设计的重要指标之一,准确预测轴压承载力是保障结构安全的重要前提。通过收集文献数据和数值模拟数据,建立包含394个样品的数据集,并基于人工神经网络对钢管混凝土柱在轴压作用下的承载力进行预测。同时,建立具有良好预测精度和泛化性的BP神经网络模型,对预测值与试验数据值进行分析对比,并利用SHAP可解释分析法探究模型参数对预测结果的影响。结果表明:本文建立的BP神经网络模型可以快速准确地预测不同尺寸下具有不同箍筋配筋率的钢管混凝土柱轴压承载力,相较于传统试验和数值模拟方法,该模型可以有效节约时间和费用。研究结果可为人工神经网络技术在钢管混凝土柱轴压承载力及其他力学性能的预测和应用等方面提供一定的数据参考。

关键词： 滑移装载机   自动调平   分流特性   遗传算法  

摘要： 针对滑移装载机举升铲斗调平问题,设计了滑移装载机铲斗自动调平系统。基于AMESim建立分流阀、顺序阀和调平系统总体仿真模型,仿真分析了分流阀分流特性、顺序阀卸荷情况和初始状态下的举升调平性能,并基于遗传算法对动臂小腔油液回T阻尼、进铲斗大腔阻尼和铲斗小腔油液回T阻尼通径进行了参数优化。结果表明:初始状态下举升调平性能较差,动臂和铲斗速度比为2.4;优化后铲斗自动调平性能得到提高,动臂和铲斗速度比调整为2.1,优化后的铲斗倾角范围为-2°—3°。

关键词： 长距离光频传递   信噪比   掺铒光纤放大器   建模优化  

摘要： 在长距离光纤光频传递系统中,环内锁相控制信号的信噪比对链路的稳定性至关重要。针对国家“十三五”规划中高精度地基授时项目中光纤光频传递项目中的光信号补偿需求问题,对传统双向光纤放大器的长距离光纤频率传递系统进行了物理模型的完善,构建了光纤光频传递系统的环内锁相控制信号信噪比公式。以信噪比作为优化评判标准,提出了一种利用改进式自适应遗传算法来优化光纤光频传递链路中EDFA(erbium-doped fiber amplifier)增益系数的方法,以确保实现环内锁相控制信号信噪比最大化。该模型在150 km和200 km的实验室链路下进行了验证,测量结果和计算的信噪比误差不超过1.5 dB,验证了模型的正确性与改进式自适应遗传算法的有效性。所提出的改进式自适应遗传算法耗时相较于传统穷举法在相同精度下,耗时大幅缩减,适合于项目工程应用。