关键词： 人工智能   环境监测   智能预警   多模态感知   知识图谱  

摘要： 环境监测作为生态文明建设的“感知神经”,正面临精准度与实时性的双重挑战。本文以深圳智能环境监测平台为切入点,系统探究了人工智能技术赋能环境监测的创新路径。研究聚焦多模态感知、知识图谱与时序预测三大核心技术路径,剖析了其在空气污染精准监测、水质异常智能预警、土壤环境风险评估和生物多样性保护等领域的实践成效。结果 表明,人工智能技术显著提升了环境监测的时空精度和预见性,将环境管理从被动响应转向主动预警,为构建“数智环保”新模式提供了技术支撑。

关键词： 房产测绘   误差预测   优化控制  

摘要： 为了提高房产测绘精度并有效控制误差,本文分析了仪器误差、操作误差、环境误差和地形误差等常见问题,并基于人工智能技术提出了优化控制策略。通过构建智能测绘误差预测平台、优化数据采集流程、应用深度学习提升数据处理精度,并建立AI辅助决策支持系统,能够显著减少误差并提高测绘数据的准确性和可靠性。研究表明,人工智能技术有效降低了测量误差,提升了测绘工作的精度与效率,建议房地产行业逐步引入智能化技术,推动高精度测量实现。

关键词： 人工智能   矿产资源勘探   大数据   机器学习  

摘要： 随着全球对矿产资源的需求日益增加,传统的勘探方法面临着成本高、效率低和精度不足的挑战。人工智能(AI)技术的引入,为矿产资源勘探提供了新的解决方案。本文探讨了人工智能在矿产资源勘探中的应用,重点分析了大数据、机器学习、计算机视觉以及专家系统和知识图谱等技术在勘探过程中的具体应用与实践。通过对勘探精度提升、成本降低、勘探模式创新等方面的论述,本文旨在为矿产资源勘探领域的技术创新提供参考,展望人工智能在未来矿产勘探中的发展前景。

关键词： 人工智能   水情预测   深度学习   水利调度  

摘要： 水情预测对水利水电工程的安全调度和防灾减灾具有重要意义。人工智能技术的引入极大地提高了水情预报的准确性,促进了水情预报系统向智能化方向发展。本文对水文预报的技术体系进行了较为系统的分析,并从数据预处理、模型优化、多模型融合和动态自适应调节等方面进行了研究。并结合高精度数据驱动模型、自适应预报系统及云智能协作平台,提出提高水文预报精度的策略。通过典型案例分析,验证人工智能在水情预测中的应用效果,为水资源管理和水利调度提供技术支持。

关键词： 广西   人工智能   东盟   产业发展   路径建议  

摘要： 本文立足于广西,探讨面向东盟的人工智能产业发展路径,文章从东盟人工智能发展现状的梯度特征展开,梳理了广西人工智能发展优势与挑战,提出了面向东盟的广西人工智能产业路径建议。东盟AI市场呈现四级分化,技术扩散呈现"雁行模式"。广西依托独特区位优势,叠加自贸试验区、RCEP等政策红利,凭借丰富能源体系、跨境基建网络及毗邻东盟的产业链优势,可深度对接东盟智慧城市、智慧农业、医疗及贸易等领域的AI需求。针对算力资源与数据共享瓶颈、产业链协同不足与龙头企业缺失、高端人才短缺与产教融合不足等挑战,提出共建中国—东盟AI联合创新中心,打造智慧产业全链条生态;建设跨境数据走廊强化基础设施互联与数据要素流通;实施"双培双认"人才计划推动产学研协作,助力广西打造中国-东盟AI合作核心区,推动区域经济一体化与可持续发展。

关键词： 大气环境预报   人工智能   机器学习   深度学习   模型优化  

摘要： 大气环境对人类生活、生态系统和经济发展具有深远影响。随着工业化进程的加速,大气污染问题日益严重,传统的大气环境预报方法在面对复杂多变的气候条件时,往往存在局限性。近年来,人工智能技术的快速发展为大气环境预报提供了新的解决方案。本文综述了人工智能技术在大气环境预报中的应用现状,分析了其在数据处理、模型优化和预测精度方面的优势,并探讨了未来发展的前景与挑战。研究表明,人工智能技术能够有效提升大气环境预报的准确性和实时性,为环境治理、公众健康保护和政策制定提供科学依据。未来,随着模型优化、数据融合和自动化决策系统的进一步发展,人工智能在大气环境预报中的应用将更加广泛和深入。

关键词： 人工智能应用   劳动力就业   就业流动  

摘要： 为分析人工智能应用对劳动力就业问题的影响,提出人工智能时代下劳动力就业的应对对策,基于2018年流动人口动态监测数据与IFR全球工业机器人数据,通过有序Logistic模型实证研究人工智能应用对低技能劳动力在城市间流动的影响。结果表明,人工智能应用会降低低技能劳动力流向超大城市和特大城市概率,提升流向大城市及以下类型的城市流动概率该研究结果有助于把握人工智能应用对劳动力就业流动的影响并制定合理的调控政策及城市分类政策。

关键词： 过敏性哮喘   儿童   人工智能   预测   过敏原特异性IgE  

摘要： 目的 基于气传过敏原特异性IgE（sIgE）检测结果，结合临床资料，构建儿童哮喘诊断预测模型并进行初步评价。 方法 采用病例对照研究，选取2023年1—12月在首都医科大学附属北京儿童医院过敏反应科完成气传过敏原sIgE检测的4 338例病例作为研究对象（男性2 827例，女性1 511例），根据诊断信息将其分为哮喘组（1 812例）和非哮喘组（2 526例），收集其年龄、性别、咳喘症状、15种气传过敏原sIgE浓度分级结果作为哮喘诊断预测模型的预测变量。采用差异性分析及LASSO回归进行预测变量的筛选。应用多因素logistic回归方法构建列线图预测模型，通过简单随机拆分法以7∶3随机拆分数据集为训练集（3 036例）用于构建预测模型，验证集（1 302例）用于测试模型的预测效能。分别采用受试者工作特征（ROC）曲线下面积（AUC）、Hosmer-Lemeshow校准曲线评估模型的区分度、拟合度，并应用临床决策曲线（DCA）评估模型的临床应用价值。 结果 4 338例患儿中，0~<3岁患儿占10.17%（441例），3~<6岁患儿占36.49%（1 583例），6~<12岁患儿占46.98%（2 038例），12~18岁患儿占6.36%（276例）。男性占65.17%（2 827例），女性占34.83%（1 511例）。无咳喘症状者占41.47%（1 799例），有咳喘症状者占58.53%（2 539例）。哮喘组占41.77%（1 812例），非哮喘组占58.23%（2 526例）。哮喘组与非哮喘组在年龄、性别、咳喘症状、d1、d2、e1、e5、g2、g6、m6、t11、t3、t6、w1、w22、w6、wx5、m3等共18个预测变量间差异均有统计学意义（ P <0.05）。LASSO回归分析筛选出6个预测变量：年龄（以月龄计算）、咳喘症状，以及户尘螨（d1）、狗皮屑（e5）、烟曲霉（m3）、艾蒿花粉（w6）4种气传过敏原的sIgE。多因素回归分析显示上述6个预测变量对哮喘诊断预测模型贡献度排序依次为咳喘症状（ OR =24.37， P <0.001）、m3（ OR =1.34， P <0.001）、d1（ OR =1.22， P <0.001）、e5（ OR =1.12， P =0.028）、w6（ OR =1.11， P <0.001）、年龄（ OR =1.01， P <0.001）。列线图预测模型的训练集和验证集的AUC分别为0.853（95% CI =0.840~0.866）和0.838（95% CI =0.817~0.860），Hosmer-Lemeshow校准曲线显示拟合度良好（训练集 P =0.215，验证集 P =0.352）。验证集DCA显示，列线图模型预测儿童哮喘发生的概率阈值为8%~92%时，该模型的适用性最佳。 结论 结合年龄、咳喘症状，从15种气传过敏原中筛选出的d1、e5、m3、w6这4种气传过敏原sIgE，构建了预测性能和临床实用性较好的儿童哮喘诊断预测模型，可作为早期准确识别哮喘的简易便捷的工具，为人工智能大数据分析模型在儿童哮喘防治及管理中的应用提供了实践基础。

关键词： 人工智能   宫颈癌   细胞病理学   Meta分析  

摘要： 目的 系统评估人工智能（AI）在宫颈细胞病理学诊断中的应用情况。 方法 以“cervical cancer”“cytology”“artificial intelligence”“Sensitivity”“Specificity”“宫颈癌”“细胞学”“人工智能”“灵敏度”“特异度”为检索词，系统检索PubMed、Web of Science、Embase、Cochrane library、IEEE xplore、中国知网、万方医学数据、维普中文科技期刊和中国生物医学数据库截至2024年1月1日发表的AI在宫颈细胞病理学诊断中应用的文献。根据预先制定的数据提取表格提取四格表数据，计算灵敏度、特异度和AUC等指标。 结果 共检索1 616篇文献，根据纳入排除标准，最终纳入27篇文献。5篇研究是针对宫颈细胞病理学切片进行诊断，合并后的AUC，灵敏度和特异度分别为0.92（95% CI ：0.89~0.94）、0.91（95% CI ：0.77~0.97）和0.84（95% CI ：0.77~0.90）。22篇研究针对宫颈细胞病理学图像（单个细胞或者细胞簇团）进行诊断，合并后的AUC，灵敏度和特异度分别为1.00（95% CI ：0.99~1.00），0.98（95% CI ：0.97~0.99），0.98（95% CI ：0.97~0.99）。 结论 AI在宫颈细胞病理学领域中的应用展现出了一定的诊断性能与潜在的临床应用价值。

关键词： 数据驱动   智能考核   绩效优化   数字化管理   人工智能  

摘要： 采用数字化技术构建企业绩效管理体系,可凭借数据驱动、智能分析及智能考核提升管理精准度水平,借助大数据、人工智能跟云技术,构建实时绩效审核与反馈机制,实现绩效管理的公开化、动态化、个性化,完善考核指标体系,结合OKR连同KPI模式,增强目标设定的科学性,同时凭借数字化手段强化绩效评估的公平性与效率,借助数据挖掘去预测员工成长趋势,带动个性化鼓励及人才造就,增强组织适应形势的竞争力,数字化绩效管理体系可保障企业战略落地实施,增进运营功效,增强员工的满意程度与企业可持续发展实力。