基于MSPA和MCR模型的庐山市生态网络构建

【目的】在生态环境形势严峻的背景下,构建生态网络是连接破碎化斑块间的重要纽带,是保障物种迁徙交流的有效途径。【方法】以庐山市为研究对象,以GIS技术为核心,利用MSPA法对庐山市进行景观格局分析,再运用景观连通性评价法选取重要生态源地;其次采用AHP分析法结合专家打分法建立阻力因子评价体系构建阻力面,再基于MCR模型完成庐山市生态网络的构建,运用重力模型选取重要潜在生态廊道,给出生态网络的优化对策,最后应用生态网络分析法,对出生态网络的可行性进行分析。【结果】1)庐山市10处重要生态源地的面积为37 946.52 hm^(2),庐山和鄱阳湖为两处大型生态源地;2)遴选出19条重要生态廊道长为297.05 km,主要分布于中部地区;3)构成生态廊道的景观三要素分别为林地、水系和耕地,廊道宽度设置为300 m;4)构建形成“两区两带三轴”的生态安全格局。【结论】研究区内中心城区及中南部地区斑块分布零碎,景观连通性差,缺少生物栖息活动的绿色空间,应大力改善两地的生态环境,生态绿廊由两地内部向外部空间延伸构建,最终绿廊绿道交织成网覆盖全域,新增3个生态核心节点和9条重要生态廊道后的网络连接指数明显提高,表明构建的庐山市生态网络可行性较强。研究结果对于庐山市的城市绿地系统规划、生态园林城市的建设和生物多样性保护具有一定的指导意义。

数字经济对体育产业高质量发展的影响——基于中介模型和门槛模型的检验

对我国19个省级行政区2012—2021年的面板数据进行实证分析,通过建立中介模型和门槛模型探究数字经济与我国体育产业高质量发展的关系。结果显示:①在固定效应模型的基础上进行实证分析发现,数字经济对体育产业高质量发展产生推动作用;②在数字经济促进体育产业高质量发展过程中,产业结构作为中介变量、科技创新作为调节变量在其中起到相应的促进作用;③数字经济与体育产业高质量发展之间显著存在产业结构一阶门槛和科技创新二阶门槛效应。提出:应从提升数字经济发展水平、优化产业结构以及提升科技创新水平等方面促进体育产业高质量发展,推进社会主义现代化体育强国建设。

论大语言模型材料的证据属性——以ChatGPT和文心一言为例

以ChatGPT和文心一言为代表的大语言模型产生海量大语言模型材料,此类材料进入社会生活并产生广泛影响,讨论大语言模型材料证据属性具有重要意义。大语言模型材料可以成为证据,但是否具有证据资格需要在具体个案中进行判断。从诉讼效率出发,大语言模型证据在不同诉讼中的呈现形式可以有所区别:一般案件可以仅举示人机交流材料和使用者本地环境信息,重大案件则应完整举示。大语言模型材料区别于大数据证据和一般的人工智能证据,具有直观性强、可解释性弱、偏在于少数技术公司、可识别性弱等特点。

基于遗传算法的磨削力模型系数优化及验证

在磨削力模型求解问题中,目前大多使用分段计算法或列方程组直接计算各个待求系数,不仅计算量大且其精度也无法保证。另外,传统的回归模型容易陷入局部最优,难以描述非线性关系。为此,将遗传算法引入到非线性优化函数参数优化中,基于外圆横向磨削力模型、平面磨削力模型、外圆纵向磨削力模型等现有的模型数据,开展磨削力理论模型的系数优化方法研究。相关性分析结果表明:通过计算得到的3种模型磨削力的预测精度提高了14.69%~42.54%,且3种模型所预测的法向磨削力的平均误差分别为5.9%、9.13%、3.23%,切向力平均误差分别为6.78%、8.36%、3.69%。经对比知,优化后的模型拟合度较好,模型预测精度显著提高。遗传算法优化后的非线性优化函数GA-LSQ算法更适合磨削力模型的求解,可对磨削力的预测及实际加工生产中的参数优化提供参考。

基于BEPS模型的云南省碳源/汇时空特征及其适用性分析

净初级生产力(NPP)和净生态系统生产力(NEP)是估算陆地生态系统碳源/汇的重要指标,云南为我国碳汇的主要区域之一,开展云南NPP和NEP时空变化特征分析对科学评估陆地生态系统碳源/汇功能,以及开展碳排放交易具有重要意义。基于BEPS模型1981-2019年NPP和NEP产品,采用线性趋势分析、文献对比等方法,研究云南NPP和NEP时空变化特征及其在云南的适用性。结果表明:(1)1981-1999年云南NPP和NEP呈水平波动,2000年后云南NPP和NEP呈明显波动上升趋势,2000-2019年云南NPP高值区域主要分布在西部和南部,而NEP高值区则主要分布在东部和西部局部地区;(2)2000-2019年云南NPP和NEP除西北部部分地区为下降趋势外,其余大部地区为上升趋势;(3)云南NPP峰值出现在7、8月,谷值出现在2月,NEP峰值出现月份与NPP基本相同,但谷值出现月份较NPP滞后1-3个月,6-10月是云南碳汇的主要月份;(4)BEPS模型估算的NPP与目前广泛应用的CASA和遥感模型结果较为一致,时空变化特征与云南生态恢复措施和气候特征吻合,其估算的NEP与陆地生物圈模型(IBIS)模型和中国通量观测研究联盟(ChinaFLUX)碳水通量观测数据较为接近,时空变化大部地区与云南生态恢复措施和气候特征基本吻合,表明BEPS模型在云南具有较好的适用性。

数字融合背景下大学生数字素养培育:模型与路径

大学生数字素养培育是推进高等教育专业建设的必要举措,是助力高等教育数字化转型的重要议题。数字素养是包含知识、技能、特质、态度、伦理等要素的数字能力体系。该文从大学生群体出发,构建了数字素养陀螺模型,涵盖了多元知识、实践技能、个性特质、态度动机和道德伦理五个维度。基于此,立足于高等教育专业建设和数字化转型的背景,有针对性地提出大学生数字素养培育的路径:丰富数字资源供给,编制多元知识专业教材;强化数字培训力度,提升实践技能研习成效;加强个性特质培养,搭建虚实融合学习场景;重视数字意识培植,激活强化主体态度动机;拓展数字伦理边界,架构数字道德评价机制。

砂土中能量桩单桩水平承载特性模型试验研究

为探究能量桩单桩水平承载特性,针对砂土中能量桩在水平荷载下的承载特性进行研究,基于模型试验,分析了水平荷载作用下能量桩在制冷和加热过程中的桩顶位移、桩前土压力以及桩身弯矩等的变化规律。研究结果表明:制冷会引起能量桩桩顶水平位移略微增大,增量为0.48%D(D为桩体直径),而加热会引起较大的桩顶水平位移,达到了2.38%D;制冷和加热在初始阶段会引起桩前土压力增大,初始增长阶段结束后,土压力变化较小,多为缓慢增长或基本不变。相较于初始土压力,制冷和加热结束时的土压力基本呈增长趋势,仅个别埋深处土压力减小。制冷过程中,埋深0%L~40%L(L为有效桩长)范围内的弯矩增大,埋深40%L~100%L位置处的弯矩变化较小;加热过程中,埋深0%L~60%L范围内的弯矩均有所增大,0%L~40%L位置处的弯矩增大最为明显。制冷和加热过程中均在20%L处产生了最大弯矩,最大弯矩的增加量分别为9.93%和10.32%。进一步基于圆孔扩张理论提出了弯矩计算的理论解,并与试验结果进行对比分析,理论计算值与实测值较为吻合。

A-Kano模型下全过程工程咨询业主需求实证研究

我国全过程工程咨询实践正处于多种模式并存、咨询内容差异较大的探索性阶段。以业主需求为导向,合理确定咨询服务内容,提升全过程工程咨询企业服务能力,是推进全过程工程咨询健康发展的关键。通过梳理相关文献,识别出12种全过程工程咨询业主需求,进而借助A-Kano模型开展正、负向满意度与重要度问卷调查,并计算出各类需求的优先级。实证分析结果表明:工程监理和造价咨询属于基本型需求;项目管理、设计及勘察属于期望型需求;招标代理、前期策划和BIM咨询为兴奋型需求;后期运营、建筑节能与绿色建筑咨询、工程检测服务以及工程保险咨询为无差异需求。基于上述结果为工程咨询企业提出转型建议,使其更好地满足业主集成化、个性化的咨询需求。

教育大模型的发展现状、创新架构及应用展望

从通用大模型到教育大模型,是人工智能大模型技术深化发展的重要趋势。基于对教育大模型发展现状、典型案例、潜在挑战的分析,文章认为教育大模型是适用于教育场景、具有超大规模参数、融合通用知识和专业知识训练形成的人工智能模型,是大模型技术、知识库技术及各类智能教育技术的集成,能够推动人类学习和机器学习的双向建构,进而提出了应用驱动、共建共享的创新架构和“以学习者为中心”的未来应用场景,旨在建立人工智能大模型与各类数字化教育应用的开放接口,持续训练和完善能够更好地解决教育专业问题的教育场景模型,形成让广大师生常态化使用的智能教育开放模型集群和知识库,在提炼和萃取深度教育知识的同时,破解人工智能教育应用中的风险和挑战。

小学生跨学科素养测评模型构建与应用研究

跨学科素养是小学生学习发展的关键素养,构建科学、合理的跨学科素养测评模型是开展小学生跨学科素养有效监测与提升的重要保证,对打破学科知识壁垒、培育新时代拔尖创新人才具有重要现实意义。研究遵循成熟的教育测评模型构建范式,厘清了小学生跨学科素养操作性定义,构建了包含跨学科知识、跨学科能力和跨学科情意3个一级指标、8个二级指标的小学生跨学科素养测评指标体系,开发了《小学生跨学科素养测评量表》,基于探索性、验证性因素分析以及层次分析法,构建了小学生跨学科素养测评模型:Y=0.306*Y1+0.412*Y2+0.282*Y3,其中Y表示小学生跨学科素养,Y1、Y2、Y3分别表示跨学科知识、跨学科能力、跨学科情意。应用该模型对全国东、中、西部地区12省市的18166名小学4—6年级学生进行测评,初步验证了模型的科学性、有效性与可操作性,并依据测评结果提出提升小学生跨学科素养的对策建议。

共有、共治与共享:大模型技术的发展之路

大模型技术正在重塑人类社会,并可能产生出新的弱势群体。大模型技术的发展需要人民民主的价值理念,因为通过人民民主可以让那些新弱势群体在大模型技术发展过程中直接表达其诉求,通过温和谈判来缓和剧烈的利益冲突,同时用人民民主制度来保障大模型技术产生的效益被社会大众所共享。人民民主的内涵主要表现为以生产资料公有制为主体、人民共同参与政治和共享社会发展成果等内容,体现在大模型技术领域就是大模型技术的共有、共治和共享。大模型技术的共有意味着其未来作为智能技术时代的基础设施而存在。为了防止大模型技术被资本吞噬,国家需要以某种方式介入,通过构建统一公共算力平台,并使得创新型企业获得更多的发展机会。大模型技术的共治意味着,要形成以积极公民为中心的行动者网络、去商品化的共治逻辑、国家的适度干预,并从新弱势群体中发现新的奇异吸引子。大模型技术的共享意味着,需要更多重视再分配、差别原则和再承认等核心内容。再承认的关键是,要使得那些新弱势群体在能力建设的基础之上获得其第二次降生的机会。

风电虚拟惯量延时的影响机理模型解析及替代性研究

风电机组采用虚拟惯量参与电网调频时,其本质是带延时的快速功率响应,但虚拟惯量延时对频率控制的非线性影响尚不清晰。同时,虚拟惯量存在测频精度要求高、延时大、频率微分环节放大量测误差等固有缺陷。为此,提出了风电机组虚拟惯量延时的影响机理模型解析及替代性研究的思路。首先,通过将风电机组虚拟惯量和下垂控制的延时特性近似等效为一阶惯性环节,建立风电调频使用虚拟惯量和下垂控制的系统频率响应模型;其次,基于劳斯近似法对高阶模型进行降阶解析,求得系统频率最低点的解析表达式;然后,解析求解风电调频仅使用下垂控制的系统频率响应模型,并在频率最低点指标下给出与虚拟惯量和下垂控制相同调频效果的下垂控制系数设定方法。进一步,在设定下垂控制参数下,对比两种控制方式下的最大频率变化率、稳态频率等关键指标关系,得出结论:适当改变下垂系数可替代带延时虚拟惯量,并能取得比虚拟惯量和下垂控制更佳的调频效果。最后,建立仿真模型,并从系统频率响应动态、调频能量需求、风电机组响应功率等方面验证了分析的正确性。

水稻群体分蘖动态模型构建与应用

为定量分析水稻群体茎蘖数量动态变化过程及分蘖动态特征,该研究使用双Logistic模型分别描述分蘖发生与死亡过程,建立水稻群体分蘖动态模型;根据水稻分蘖过程的时序特征定义描述分蘖过程的特征指标,并推导出分蘖特征指标的计算式;基于不同基因型品种的种植方式、种植时期、种植密度下水稻分蘖动态数据集检验模型优度和适应性;并应用分蘖动态模型和指标探索分蘖动态对种植密度的响应规律。结果表明,所建模型对不同基因型水稻品种在不同种植方式、种植时期和种植密度下的分蘖动态数据拟合优度较好,标准均方根误差S_(RMSE)服从均值小于5%的Gamma分布,并且99%的S_(RMSE)小于10%。基于所建模型计算的分蘖特征指标(包括模型参数)对种植密度有很好的响应;留一法检验表明模型的预测性较好,观测值与模拟值的R^(2)=0.96。所建模型能够精确描述水稻茎蘖数量演变过程,具有很好的拟合优度、适应性和可解释性,可用于分析基因、环境、农艺措施对分蘖动态的影响,分蘖特征指标可望成为分析基因与环境互作的重要表型参数,对指导水稻精准栽培也有重要理论价值和实际意义。

构建支持大模型训练的计算机系统需要考虑的4个问题

支持大模型训练的计算机系统有3种类型,其中基于国产AI芯片系统的生态系统不是很好,要想改变这个局面,需要做好AI编译器、并行加速等10个关键软件;基于超级计算机的系统需要做好软硬件协同设计,从而更好地服务于大模型训练。针对如何搭建大模型的基础设施,提出4点平衡设计,以确保系统的性能、可靠性和可扩展性。

大数据与计算模型

当前,人工智能持续升温,大语言模型吸引了众多人士的关注,并在全球范围内掀起了一股热潮。人工智能的成功本质上不是大算力“出奇迹”,而是改变了计算模型。首先,肯定了数据对于人工智能的基础性作用,指出合成数据将是未来数据的主要来源。然后,回顾了计算模型的发展历程,重点介绍了神经网络模型与图灵模型的历史性竞争;指出了大模型的重要标志是机器涌现智能,强调大模型的本质是“压缩”;分析了大模型产生“幻觉”的原因。最后,呼吁科技界在智能化科研中要重视大科学模型。

基于逆向云算法的同行评议评价模型建设探析

同行评议本质上依然是一种量化的主观定性评议,其基石是参与评议活动的每位评议者,只有做到对评议者的有效评估、监督、规范与约束,才能保证同行评议结果的客观和公正。但同行评议过程始终存在着不确定性,如何处理不确定性是同行评议需解决的难点问题。为此,在论述同行评议中评议者评价的必要性和当前发展概况的基础上,利用同行评议的评价数据分析评议者和评议影响因素,基于数据构建科学的同行评议评价模型。运用云模型理论,针对同行评议特点,选择符合正态分布统计性质、无确定度的逆向云生成算法,将方案分解为评议者评议评价与多任务协同评议评价2个层次,提出同行评议评价模型;并利用中国某省2018—2022年某类人才项目同行评议在技术、前瞻、产出、风险、经济和社会6个方向共18个评议指标的数据,通过该模型分类分层次计算出其云模型数字特征,根据数字特征构建云图和数字画像进行分析。结果表明:基于逆向云算法的同行评议评价模型对于评价评议者各方面的评议能力和整体评议效果、评价同行评议活动开展成效以及监管同行评议中的异常数据具有实操意义,能据此科学构建评议者个性化权限,能发挥评议者最大优势,并最大限度减小人为因素造成的误差,缓解当前同行评议评价面临的困境。

糖尿病肾脏疾病预后影响因素的COX比例风险回归模型分析

目的基于COX比例风险回归模型分析糖尿病肾脏疾病(diabetic kidney disease,DKD)预后的影响因素,为临床早期评估和防治DKD提供科学的依据。方法收集多中心(河南中医药大学第一附属医院、河南中医药大学第三附属医院、河南省中医院及郑州市人民医院)2010—2021年就诊治疗的DKD患者资料,包括一般资料、实验室指标、中医辨证分型及中医药治疗,以肾小球滤过率(eGFR)下降≥50%、血肌酐(Scr)翻倍、DKD 5期、死亡为结局指标,随访其发生时间及情况,利用COX比例风险回归模型分析筛选DKD预后影响因素。结果本研究最终纳入1947例患者,随访时间为4.65(4.557~4.746)年,发生复合终点事件305例(15.67%)。单因素COX回归分析结果表明,不同年龄、DKD病程≥4年、饮酒史、吸烟史、高血压、冠心病、脑血管病、糖尿病足、糖尿病眼病、糖化血红蛋白(HbA1c)、血尿酸(SUA)、Scr、24 h尿蛋白定量(24 h-UTP)、eGFR、湿热血瘀证、脾肾气虚兼湿聚血瘀证、脾肾阳虚兼血瘀证、中药熏洗、服用中药患者DKD预后情况比较,差异有统计学意义(P<0.05)。多因素COX回归分析结果表明,年龄[HR(95%CI)=2.52(1.92,3.30)]、DKD病程[HR(95%CI)=1.62(1.09,2.42)]、吸烟史[HR(95%CI)=1.61(1.13,2.29)]、饮酒史[HR(95%CI)=1.41(1.01,1.95)]、脑血管病[HR(95%CI)=1.33(1.01,1.75)]、糖尿病眼病[HR(95%CI)=1.43(1.13,1.82)]、SUA[HR(95%CI)=1.72(1.26,2.33)]、24 h-UTP[HR(95%CI)=1.48(1.14,1.91)]、脾肾气虚兼湿聚血瘀证[HR(95%CI)=2.22(1.44,3.43)]与DKD发生终点事件的风险关系密切(P<0.05),服用中药[HR(95%CI)=2.57(2.00,3.31)]能够减少终点事件的发生(P<0.05)。结论年龄、DKD病程、吸烟史、饮酒史、脑血管病、糖尿病眼病、SUA、24 h-UTP、脾肾气虚兼湿聚血瘀证是影响DKD患者预后的危险因素,而服用中药治疗为其保护因素。

基于供需理论的生成式人工智能赋能情报工作范式模型构建与应用研究

[目的/意义]当前生成式人工智能的发展对社会产生了强烈冲击。为响应国家创新发展的迫切需求,如何利用生成式人工智能更好地完成情报工作,以满足用户的情报需求,已成为当前情报学领域关注的热点问题。[方法/过程]基于供需理论提出从数据供给侧(Supply)、智慧情报分析中台(Analysis)、情报需求侧(Demand)三方构建生成式人工智能赋能情报工作范式模型——SAD范式模型,深入分析生成式人工智能赋能情报工作机理,并结合国际前沿项目案例探讨生成式人工智能与情报工作的前瞻性融合发展。[结果/结论]生成式人工智能赋能情报工作范式模型SAD,可以更好地促进生成式人工智能赋能情报工作的各个环节,提高情报工作效率,为情报工作范式研究提供了新思路。

混合式学习效果影响因素及机制研究——基于结构方程模型的实证分析

混合式学习已成为高等教育的一种教学新常态,其中学生的学习效果更值得关注。该研究立足于教学活动的双重主体——教师与学生,基于3P学习分析框架,构建了学生学习预备、教师教学能力、感知易用性、感知有用性、交互行为、学习氛围与在线学习效果之间的关系模型,并采用结构方程模型法分析其作用关系和影响效应。相关研究表明,学生的学习背景对学习过程及学习结果均有显著正向影响;教师作为教学活动的核心主体,其教学能力对学生学习过程体验具有重要作用;感知易用性、感知有用性、交互行为、学习氛围对于混合式学习中学生的认知收获、主观情感体验均能产生正向影响。最后,提出优化学生混合式学习效果的方向和路径,以期为高校混合式学习提供参考。

大型语言模型对高等教育的影响与中国应对

大型语言模型(LLM)在短期内将从创设教学情境、创新教学模式、教学AI开发和应用、拓展高校在线学习、助力虚拟仿真课程开发等方面助力高等教育;长期来看能够助推“四新”建设、赋能基础学科拔尖人才培养,并催生高校结构性变革。同时,LLM也可能引发教育安全风险,造成新的教育智能鸿沟,并被大企业寡头垄断。为促进LLM赋能中国高等教育,需要我国加快开发迭代自己的LLM,促进其均等化可达,提升师生数字素养和能力,夯实数字化教学环境。