关键词： 人工智能算法   滑坡监测与预测   特征匹配   光流法   粒子群优化支持向量机(PSO-SVM)  

摘要： 为减轻滑坡灾害风险,进一步保障区域可持续发展,开展有效的滑坡监测与预测研究具有重要的现实意义。通过研究滑坡监测与预测中的关键技术与方法,分析各类算法在滑坡监测与预测场景中的效率和精度,不断提升滑坡灾害防治水平。在特征提取技术方面,对比分析了尺度不变特征变换(SIFT)、加速鲁棒特征(SURF)和自适应尺度不变特征变换(ASIFT)3种基于图像特征匹配算法的性能,其中ASIFT在匹配数量、精确率和召回率方面具有显著优势,尤其适用于准确性要求较高的复杂环境场景;在光流分析技术方面,探讨了基于Lucas-Kanade稀疏光流法和Horn-Schunck稠密光流法的应用效果,其中Lucas-Kanade稀疏光流法计算效率高,适合实时应用场景,但存在遗漏重要运动信息风险,Horn-Schunck稠密光流法能够提供全面的光流场信息,适用于环境复杂场景,但存在计算复杂度较高的不足,因而难以用于实时处理;在滑坡易发性预测方面,详细介绍了支持向量机(SVM)、决策树(DT)和随机森林(RF)等经典机器学习方法在滑坡预测中的应用优缺点,并重点研究了基于粒子群优化支持向量机(PSO-SVM)的模型性能,该模型通过优化超参数,显著提高了模型的分类准确度、泛化能力和预测精度。此外,通过引入Faster R-CNN模型,利用其先进的卷积神经网络架构,实现了复杂场景下滑坡事件的自动识别与分类,进一步提升了滑坡监测预警的效率和准确率。研究表明,ASIFT局部特征提取的精确率为0.84,Lucas-Kanade稀疏光流法的跟踪误差为0.12,PSO-SVM模型的均方根误差为0.52,Faster R-CNN模型在滑坡图像自动识别与分类方面的置信度可达0.98,综合性能较其他算法显著提升。综上所述,通过引入人工智能算法,结合多学科技术手段,全方面提升了滑坡监测与预测技术的效率和精度,研究成果为滑坡地质灾害防治提供了更有力的技术保障。

关键词： 智能归档管理   深度学习   多模式数据处理   系统优化  

摘要： 为提高档案管理系统(AMS)的多模态数据处理效率与智能化水平,本研究提出一种基于深度学习的智能AMS优化模型。通过构建仿真实验环境,将该模型与主流深度学习模型(DeBERTa、CLIP、Swin Transformer)开展多维性能对比。实验结果表明:优化模型在资源消耗、响应延迟、吞吐量、查询效率及故障恢复等关键指标上均显著优于基线模型;其文本处理准确率提升近4%,音频错误率降至3.78%,并展现出更优的自学习能力、安全性与系统可扩展性。该模型为多模态档案管理的性能优化提供了有效的解决方案。

关键词： 人工智能   蛋白质设计   语言模型   蛋白质挖掘  

摘要： 蛋白质是生命活动的基础物质,其结构与功能的多样性支撑了细胞代谢、信号转导、环境响应等复杂生物过程。作为生命科学与合成生物学中的核心研究对象,长期以来蛋白质的功能挖掘和理性设计在新药开发、工业酶优化及农业生物工程等领域展现出重要的应用潜力。随着高通量组学数据积累与计算生物学的发展,传统依赖序列比对、结构解析与实验筛选的方法逐渐显现出效率与可扩展性上的瓶颈。近年来人工智能(artificial intelligence,AI)技术逐步融入蛋白质科学研究,显著推动了其研究范式向数据驱动模式的转型。本文回顾并分析了AI在蛋白质功能挖掘与理性设计中的代表性进展,重点聚焦于“序列→结构”与“结构→序列”两类主流设计框架,探讨了基于序列和结构相似性的多样化挖掘策略,并进一步梳理了语言模型、进化信息整合机制以及生成式模型等关键AI方法在提升设计效率与精度方面所发挥的实际应用与贡献。

关键词： 油井   智能完井系统   温度传感器   人工智能  

摘要： 本发明的主要目的是通过一种基于人工智能的方法检测油井和油藏系统异常,使智能完井系统在油井中进行连续监测,并检测异常行为。本发明运用AI技术,结合温度、压力和流量传感器数据,精准监控油田油井的正常运行状态。在此基础上,借助随机选择异常值的技术,识别出与常规行为偏离的异常情况。通过一种随机技术选择异常值的方法来识别与日常行为的偏差。从异常值检测中量化异常概率,并将其与可能的事件相关联。例如:传感器故障和数据丢失、生产间隔之一的关闭、结垢沉积等。

关键词： 体育课堂教学行为   人工智能   评价系统   神经网络   MMAction2模型  

摘要： 依托先进的MMAction2模型,首次将其应用于体育课堂教学行为评价,设计一套涵盖多元智能算法分析和可视化反馈功能的完整系统,实现从数据采集到行为分析的自动化与智能化。研究表明,该系统由4个核心模块组成:感知层(负责数据采集与输入)、平台层(进行数据处理与存储)、模型层(完成行为识别与分析)以及应用层(提供数据可视化与结果反馈)。这些模块高效协同且构建了一个完整的教学行为评价体系。实际测试表明,该系统在篮球课堂教学中达到92%的行为识别准确率,分析结果与人工标注一致性高达95%,可显著提升教学评价的效率与准确性。

关键词： 轨道交通供电系统   智能化运维管理平台   物联网   大数据分析   人工智能   设备状态监测   故障预测  

摘要： 随着城市轨道交通供电系统复杂性的增加,传统运维管理模式在效率、故障响应及资源分配等方面面临严峻挑战。此文以智能化技术为核心,提出轨道交通供电系统智能化运维管理平台的建设方案,旨在通过物联网、大数据、云计算及人工智能等技术整合设备数据资源,实现设备状态实时监测、故障精准预测与快速定位,优化运维资源配置。以北京地铁19号线为例,详细阐述了平台在设备感知、数据处理、智能决策等环节的实施策略,包括传感器部署、网络架构设计、系统开发与集成等关键技术应用。实践表明,该平台可显著提升运维效率与系统可靠性,降低故障率与运维成本,为轨道交通供电系统的智慧化升级提供有效支撑。

关键词： 总体国家安全观   数智时代   人工智能安全   算力基础设施   算法模型  

摘要： 人工智能作为引领新一轮科技革命和产业变革的战略性技术,深刻改变人类生产生活方式。数智时代,人工智能在促进社会迅速进步的同时,亦引发了潜在的安全风险。技术的集成化、平台的垄断化、舆论的全球化、信息的扁平化、数据的弥散化成为数智时代的主要特征。通过梳理潜在风险的表现样态、分析其生成缘由并提出应对理路,有助于缓释我国人工智能发展中的风险隐患,防范化解人工智能潜在安全风险。人工智能潜在安全风险在社会层面表现为虚拟冲击、现实失序与人主体性消解;在国家层面表现为技术霸权、意识形态渗透和国际关系紧张;在国际层面表现为技术滥用、武器升级和国际秩序重构。溯源分析表明,风险生成逻辑可归纳为伦理规范缺失、法律法规滞后、管理体系空缺和核心技术存在短板。需要加快构建人工智能伦理准则,夯实新型信息基础设施建设;以法治全域统摄智能发展,以三维协构凝塑安全监管机制;从系统规制训练数据全链路,聚力实现核心算法结构性跃迁;从增强国际规则的中国话语表达,锚定跨境数据共治的合作转向等角度出发提出应对思路,以实现人工智能与国家安全的协调发展,助力构建新安全格局、实现中华民族伟大复兴。

关键词： 人工智能   高职教师   教学创新   团队建设机制  

摘要： 随着人工智能技术的快速发展,其在高等职业教育中的应用日益广泛。人工智能赋能高职教师教学创新团队建设,成为提升教育质量的关键路径。本文分析了人工智能在高职教师教学创新中的核心价值,探讨了技术应用、团队建设、教师角色转变及伦理安全等现实挑战,并提出了加强政策引导、技术基础设施建设、优化团队管理机制及强化伦理安全等应对策略,旨在为高职教师教学创新团队的有效建设提供实践指导。

关键词： 人工智能   电子商务   资本周转   劳动过程   马克思政治经济学  

摘要： 本文聚焦于人工智能(AI)在优化电商资本周转与重塑劳动过程中的双重作用,借鉴马克思关于资本循环与劳动过程的经典论述,分析二者间既协同又矛盾的辩证关系。AI通过智能算法极大提升了效率,但也带来了算法管理、劳动去技能化等新挑战,揭示了技术赋能背后资本追求相对剩余价值的深层逻辑。

关键词： 人工智能学院   安徽工程大学   国家中西部高校基础能力建设工程  

摘要： 安徽工程大学是一所以工为主的省属多科性高等院校和安徽省重点建设院校,是国家中西部高校基础能力建设工程(二期)项目建设高校,坐落在国家级开放城市芜湖。学校办学始于1935年安徽私立内思高级职业学校,历经芜湖电机制造学校(隶属于原国家第一机械工业部)、安徽机电学院等办学阶段,2010年更名为安徽工程大学。2015年获批安徽省高校综合改革首批试点院校,2016年获批安徽省系统推进全面创新改革试验高校创新自主权改革试点单位,2019年获批安徽省立项建设博士学位授予单位。学校校舍建筑总面积65万平方米,教学科研仪器设备总值3.98亿元。