关键词： 农业干旱   机器学习   SPEI   MODIS  

摘要： 频繁的旱灾对甘肃省经济、农业生产造成严重危害,因此利用先进方法建立准确可靠的农业干旱监测模型对该省防旱减灾十分重要。本文基于随机森林(RF)、BP神经网络和支持向量机(SVM)3种机器学习方法,利用甘肃省2002—2019年4—10月多源遥感数据得到的植被状态指数(VCI)、温度状态指数(TCI)、植被供水指数(VSWI)、降水状态指数(PCI)以及DEM、土壤有效含水量(AWC)和气候类型作为自变量,气象站点以3个月时间尺度的标准化降水蒸发指数(SPEI_3)为因变量,构建3种不同的农业干旱监测模型,分析比较出适用于监测甘肃省农业干旱的最佳模型,同时进一步探究了机器学习方法构建的模型在不同环境下的适用性。结果表明:构建的3种机器学习模型中,随机森林模型的R2平均值高(0.86)且误差小(RMSE为0.40,MAE为0.31),农业干旱的监测效果要优于BP神经网络和支持向量机模型;干燥和湿润两种环境下分别构建的3种机器学习模型在湿润环境中监测能力表现均更优异(R^(2)>0.82),而随机森林模型在两种环境中监测干旱的表现比其他两种模型强。研究结果为甘肃省的农业干旱监测与评估提供了新的科学方法,对农业干旱研究具有重要意义。

关键词： RNA   RBP   结合位点   机器学习   深度学习   模体挖掘  

摘要： 预测RNA结合蛋白(RBP)的结合位点对于理解RNA结合蛋白如何在基因调控中发挥作用起至关重要的作用。近年来,随着高通量实验数据的大量积累和深度学习的快速发展,深度学习方法在RBP结合位点预测领域上的应用越来越广泛。通过深度学习模型可以在海量的生物数据中挖掘隐藏的模式,与传统实验方法相比,具有低消耗、高速度、高鲁棒性的优势。研究实验证明,深度学习方法已经取得了显著的性能,并且在逐步完善。本文总结了常用的RNA-蛋白质结合位点数据库,介绍了RNA序列的编码方法及经典的深度学习模型,主要回顾了近年来深度学习在RBP结合位点预测领域上的成功应用,然后进一步总结了RBP绑定模体挖掘方法。最后讨论了目前深度学习方法在RBP结合位点预测的应用上的局限性与潜力以及潜在的改进方向。

关键词： 干眼综合征   机器学习   眨眼  

摘要： 目的探讨干眼患者自发瞬目模式的特点。方法横断面研究。连续纳入2019年1至12月在首都医科大学附属北京同仁眼科中心角膜病专科门诊就诊的干眼患者357例作为干眼组,其中男性102例,女性255例;年龄(46.2±13.3)岁;同时纳入健康志愿者152名作为对照组,其中男性32例,女性120例;年龄(48.1±13.9)岁。所有患者进行问卷调查眼表疾病评分指数、瞬目视频获取、泪膜破裂时间(BUT)检查、角结膜荧光素染色、基础泪液分泌试验。将瞬目视频的单帧图片输入UNet分割算法与ResNet分类算法建立的模型进行分析,获取睑裂高度百分比绘制瞬目波。将完全瞬目分为A、B、C型,不完全瞬目分为Ⅰ、Ⅱ、Ⅲ型,进而分析干眼患者的自发瞬目特征,并使用独立样本t检验和Wilcoxon秩和检验分析其与对照组差异的统计学意义。结果本研究建立的分割模型与分类模型准确度分别为96.3%与96.0%,与人工分析的一致性为97.9%。干眼组患者瞬目频率为30(18,42)次/min,显著高于对照组的20(9,46)次/min(U=18132.50,P=0.002),但完全瞬目次数为6(3,24)次/min,明显低于对照组的12(3,33)次/min(U=12361.00,P=0.016),不完全瞬目次数为15(6,27)次/min,明显高于对照组的3(0,10)次/min(U=22839.00,P<0.001)。完全瞬目中,干眼患者A型瞬目占比显著高于对照组[53.7%(2796/5177)和39.3%(633/1698);χ^(2)=101.83,P<0.001];不完全瞬目中,干眼患者Ⅱ型瞬目占比显著高于对照组[36.0%(2334/6477)和29.6%(126/426);χ^(2)=6.99,P=0.008]。干眼患者平均瞬目间期为1.5 s,与对照组2.2 s比较,差异无统计学意义(U=15230.00,P=0.093);干眼患者眼睑完全闭合期为0.8 s,明显短于对照组1.3 s(U=16291.50,P=0.006)。闭眼期、睁眼前期、睁眼末期与对照组比较,差异均无统计学意义(均P>0.05)。结论干眼患者不完全瞬目次数增加、完全瞬目次数减少,眼睑完全闭合时间明显缩短;其瞬目模式以闭合幅度减少的Ⅱ型不完全瞬目及闭合时间缩短的A型完全瞬目为主。

关键词： 党校   党史学习教育   重要意义   保障机制  

摘要： 党的干部是党和国家的中坚力量,积极在党校开展党史学习教育,优化党史教育模式,能有效增强党员干部的理论自觉和政治自觉,也能更好地推动党史学习教育往深里走、往实里走。本文分析了在党校开展党史学习教育的重要意义,并提出了党校在党史学习教育中发挥作用的保障机制,希望能以此推动党史学习教育创新和优化,坚持和发扬光荣革命传统及党的优良作风,提高各级领导干部认识和处理问题的能力。

关键词： 深度学习   TPACK框架   导数的几何意义  

摘要： 随着信息技术等的快速发展,教师将信息技术整合到教学中来,以促进学生的深度学习.本文以“导数的几何意义”为例,旨在实现TPACK框架下的深度学习.

关键词： 初中物理   学习方法   提分技巧   措施  

摘要： 近年来我国教育工作的重心越来越偏向于学生们的核心素养的培养,核心素养对于学生们来说是一种能够满足当今社会发展需求以及日后的工作学习要求的能力,核心素养的培养和提高对我国现阶段的教育事业进展中的学生们来说极为关键。而初中阶段的物理科目的教学工作中也应当顺应时代发展的趋势,重视起对于学生们在这方面的核心素养的培养和提高。本篇文章将针对这一点做出简要分析以供参考。

关键词： 学习风格   有意义学习   印度尼西亚  

摘要： 在印度尼西亚基础教育教学中,教师通过利用PAIKEM学习方法,不断探索和丰富有意义学习的内涵。研究主要以Felder—Silverman学习风格类型分类为依据,探究不同学习风格对有意义学习结果的影响,发现学习风格影响学生心智技能的形成、行为方式以及情感体验。学生自主学习的习惯与能力、教师卓越的能力素质以及家长正确的观念态度等条件的支持,有助于认识不同学习风格与有意义学习结果的内在联系,提升有意义学习效果。在教学实践中,教师需帮助学生明晰自身的学习风格,形成判断力,对纷繁的信息或知识进行审慎的考察和衡量,才可能真正实现有意义学习。

关键词： 干旱预测   标准化降水蒸散指数   长短期记忆网络   卷积神经网络   深度学习  

摘要： 使用标准化降水蒸散指数作为农业干旱的监测指标,以站点气象要素和大尺度环流要素为驱动变量,建立干旱预测模型,分析评价传统的整合移动平均自回归(ARIMA)时间序列模型以及不同深度神经网络模型(DNN)的预测效果。结果表明:DNN模型的总体预测能力优于ARIMA模型;同基于长短期记忆网络(LSTM)提出的传统LSTM预测模型(TLSTM)相比,改进的LSTM模型(ILSTM)通过预处理全连接层对预测因子进行非线性映射,能够自动剔除无效信息,提取高层次综合特征,可使预测序列和观测序列的相关系数提升0.04~0.25,均方根误差降低0.07~0.32,误差绝对值的平均降低0.06~0.27;卷积神经网络(CNN)可提取影响干旱变化的大尺度环流信息,其与ILSTM的组合深度网络模型(CLSTM)可进一步使相关系数提升0.03~0.44,均方根误差降低0.09~0.33,误差绝对值的平均降低0.05~0.26。CLSTM模型可应用于短期区域性干旱变化气候预测。

关键词： 信用溢价   因子模型   结构变化   机器学习  

摘要： 共同因子是刻画风险溢价的重要基础,将共同因子模型应用于公司债券市场有助于合理估计信用风险溢价。本文利用机器学习算法探究债券信用溢价因子的存在性以及结构变化后发现:规模、下行风险、价值、波动率以及流动性等五个公司债券共同因子对单个债券信用溢价有较好的解释能力,动量因子对信用溢价的解释能力较差,流动性因子具有较强的逆周期防御性功能。债券市场以及公司债券信用溢价因子在2015年前后存在明显的结构变化,利用稀疏学习和集成学习可以有效分析因子结构变化,建立风险预警。此外,在公司债券市场的市场制度和环境改变过程中,可以利用机器学习算法识别其对市场的影响,防范化解潜在的系统性风险。

关键词： 北极海域   海冰预报   深度学习   北极航道  

摘要： 在全球气候变暖背景下,北极海冰呈现出逐年消融的趋势。海冰的消融给北极的开发利用带来了重要机遇,例如北极航道通航潜力的显现。但北极航道开通还面临着诸多困难,尤其是海冰变化机理的复杂性和海冰预报的不确定性以及由此带来的航行安全风险。近年来,深度学习因其强大的非线性拟合能力,逐渐在海冰预报领域中崭露头角。本文对近年来深度学习在北极海冰预报中的国内外研究状况进行了梳理,分析了深度学习在海冰预报中的应用背景,指出了单纯地应用深度学习进行海冰预报的局限性,阐述了深度学习方法与气象海洋专业知识的结合点,展望了未来的研究动态和发展趋势。