课程文献中心 更多>>

关键词： 电网碳排放因子   Graphormer   图神经网络   Transformer   时间序列  

摘要： 电网碳排放因子是衡量电能对环境影响程度的重要指标，对未来时段电网碳排放因子的高精度预测是引导用户主动参与需求侧响应，实现电能利用清洁化和低碳化的关键。基于电网能量流的典型时空融合特性，提出一种基于T-Graphormer图神经网络的小时级电网碳排放因子预测模型。该模型利用电网节点连接拓扑信息及历史电网碳排放因子数据，通过门控时间卷积块将电网碳排放因子映射到高维空间，将中心编码和位置编码嵌入节点特征，进而利用编码器与解码器进行时空数据挖掘，最后通过多层感知机得到电网碳排放因子的预测值。基于英国国家电网划分区域的电网碳排放因子数据对所提预测模型性能进行了验证，预测效果优于传统图神经网络预测模型。

关键词： 人工智能   牙种植   决策,计算机辅助   临床路径   数字化口腔医学  

摘要： 自主式口腔种植手术机器人已能实现手术操作智能，然而口腔种植人工智能（AI）决策仍未实现。笔者在构建口腔种植AI决策系统的过程中，结合口腔种植临床诊疗流程、决策指标数据特征及人群相关指标分布特点，探讨口腔种植AI决策系统构建过程中的五大关键难点，分别为口腔种植专病标注数据库构建、种植定量指标预测、三维图像处理、指标数据不平衡的解决以及临床路径中多性质多模态指标的共同输出。本文结合笔者研究成果和国内外研究现状，分别阐述口腔种植AI决策系统构建的发展现状及难点问题，以期为后续口腔种植AI决策建设提供参考。

关键词： 累积位移特征   时间序列   加权最小二乘法   麻雀搜索算法   BP神经网络  

摘要： 分析滑坡累积位移演化特征对位移预测具有重要的意义，根据不同增长趋势的位移曲线构造合适的模型来预测位移，将有效提高预测结果的准确度。本文分析三峡库区阶跃型滑坡累积位移变化趋势，将其位移曲线划分为4类特征：等幅-阶跃型、减幅-阶跃型、增幅-阶跃型、复合型，并建立时间序列组合预测模型。以八字门滑坡监测点ZG111及白家包滑坡监测点ZG326为例，依据时间序列原理，采用变分模态分解法(VMD)将累积位移分解为趋势性位移、周期性位移、随机性位移；利用一元线性回归、幂函数非线性回归方法对趋势性位移进行建模分析，预测结果采用加权改进后的最小二乘法(WLS)；用麻雀搜索算法(SSA)优化BP神经网络模型，并结合滚动预测的思想，预测周期性位移、随机性位移。最终得到的各位移预测值之和即累积位移预测结果，结果表明：趋势性位移预测MAPE分别为1.2%、0.77%；周期性位移、随机性位移拟合效果较好，预测结果能较好的符合位移整体变化趋势；累积位移预测MAPE在2%以内，预测结果与实际值具有良好的一致性。本文提出的预测模型满足预测精度的要求，能完成滑坡将来位移量的预测，具有较强的工程实用价值，为滑坡灾害预测和防治方面的研究工作提供指导。

关键词： 神经外科   开颅手术   术后   恶心   呕吐   危险因素  

摘要： 目的 筛查择期开颅肿瘤术患者发生恶心呕吐(postoperative nausea and vomiting，PONV)的相关危险因素，并基于该危险因素构建风险预测列线图模型。方法 回顾性收集2021年12月—2023年9月于中国科学技术大学附属第一医院行择期开颅肿瘤术的244例患者作为研究对象。根据是否发生PONV分为PONV组和非PONV组，采用LASSO回归和logistic回归方程筛选危险因素，采用R软件进行构建PONV风险预测模型，绘制该模型的受试者工作特征（ROC）曲线和校准曲线以及行Hosmer-Lemeshow拟合优度检验。结果 性别、慢性胃炎史、脑血管疾病史、术后疼痛、手术时间、ASA分级均是择期开颅肿瘤术患者发生PONV的独立危险因素，根据这6项危险因素建立Nomogram模型，ROC曲线下面积为0.881（95%CI：0.821～0.942，P＜0.001），校准曲线显示预测概率与实际概率之间具有良好的一致性，Hosmer-Lemeshow拟合优度较好，且Nomogram模型具有良好的区分度、校准度和稳定性。结论 女性、慢性胃炎史、脑血管疾病史、术后疼痛分值高、手术时间长、ASA分级高的择期开颅手术患者易发生PONV的危险因素。据此构建的Nomogram模型可直观、简便地为择期开颅肿瘤术后患者提供个体化的术后PONV风险预测。