快速近似计算Shapley值的归因解释方法

Shapley值归因解释方法虽然能更准确量化解释结果, 但过高的计算复杂度严重影响了该方法的实用性. 本文引入KD树重新整理待解释模型的预测数据, 通过在KD树上插入虚节点, 使之满足TreeSHAP算法的使用条件, 在此基础上提出了KDSHAP方法. 该方法解除了TreeSHAP算法仅能解释树结构模型的限制, 将该算法计算Shapley值的高效性放宽到对所有的黑盒模型的解释中, 同时保证了计算准确度. 通过实验对比分析, KDSHAP方法的可靠性, 以及在解释高维输入模型时的适用性.     

人工智能在移动通信中的应用

阐述移动通信技术的特点和应用状况，通信网络的优化框架，网络智能优化中的机器学习算法分析，完善后台监控系统，建立软件平台提高服务质量，形成安全的网络环境，保证高效运行。     

盾构隧道施工物料无人运输发展现状及关键技术

盾构隧道施工物料无人运输有助于提升运输效率、降低运输成本、减少运输安全事故率。与公路汽车无人驾驶、港口车辆无人驾驶、轨道交通无人驾驶等逐步成熟的无人驾驶技术不同，在隧道场景下实施施工物料无人运输存在运输物料种类繁多、运输调度困难、地下定位信号拒止、狭窄车道频繁会车、行车路面工况复杂、地上地下联动响应慢等诸多挑战。从实现盾构隧道施工物料无人运输的关键问题分析入手，综述当前盾构隧道施工物料运输方式、运输需求、无人运输发展现状及存在的挑战，提出盾构隧道施工物料无人运输的五大关键技术：多种类物料智能货控能效管理技术，无人化垂直装卸门机控制技术，多传感器融合同步定位与地图构建技术，隧道复杂环境路径规划与自主避障技术，隧-地一体化联动响应的高可靠性无线通信技术。     

某钢中厚板中间库自动仓储系统设计与实现

由于中厚板中间库库区面积大、地面设备众多、工艺路线复杂，造成库区管理人员较多。同时，大量的人工操作导致数据质量难以保证，且相对滞后，造成实物流与信息流脱节，严重影响整体生产效率。本文提出了中厚板中间库自动仓储解决方案，以物料产线跟踪系统为基础，实现以工艺流为主线贯穿物料全部生命周期，以无线APP为载体实现工序信息快速转换，以天车为载体实现实物流与信息流的同步运行。实践表明，该方案考虑全面、结果精准，通过对中厚板中间库现有业务和现场实际情况的分析与改善，切实提高中厚板产线生产效率。     

炎热季节浇筑转换层大体积混凝土简易有效的温控措施

转换层作为实现建筑物上、下部分不同功能的过渡层，在城市高层建筑中，得到较广泛的应用。由于转换层结构尺寸的特殊性，转换梁基本都属于大体积混凝土，在南方地区的夏天浇筑转换层，大体积混凝土的温度控制较困难，也是整个塔楼工程质量的关键环节之一，因此，温控措施尤为重要。深圳市水贝村城市更新项目共有7栋塔楼采用了转换层，其中03地块D、E、F、G 4栋转换层在7至9月浇筑，正是深圳最炎热的季节，工程量最大的G栋转换层一次连续浇筑混凝土方量达2 100 m3。通过采取混凝土原材料温控、搅拌运输温控、冷却水管网埋设、无线测温技术、自动喷淋管网养护等一系列操作简便、行之有效的技术措施，很好地控制了混凝土中心温升及内外温差，混凝土质量得到保证。     

贵州水利工程运行期生态流量下泄过程中存在问题及对策探讨

为确保水利工程在运行期间能足额下泄生态流量，整理了贵州目前水利工程常采用的４种生态流量下泄方式，并分析了各自下泄方式适用范围及存在问题。针对中小型水利工程运行期生态流量下泄存在的问题，提出了应加强恒生态流量自动控制阀的研究与应用，推动智慧水利平台建设，强化生态用水调度运行管理，完善相关行政管理部门生态流量监控管理平台，同时结合国家近期出台的有关生态流量管理的法律法规、条例、政策增强生态流量在线监测监控的管理力度等5条对策建议，以实现生态流量实时足量下泄的技术支撑，并以现行有关生态流量下泄的法规条例为抓手加强管理，可保障河流水资源开发与生态环境保护的协调发展。此结论可为贵州仍至全国其他省（自治区、直辖市）水利工程下泄生态流量方式的选取及生态流量监控监管提供参考。     

机器学习理论的超光谱遥感图像无损压缩

针对一般超光谱遥感图像的压缩方法无法同时实现图像信息缩减和图像完整性的问题，提出一种机器学习理论的超光谱遥感图像无损压缩方法。利用机器学习中的聚类算法进行第一次压缩，减少超光谱遥感图像中的冗余波段光谱，并降低图像维度；再利用机器学习中的人工神经网络进行第二次压缩，将不同图像子块送入不同压缩率的神经元当中，通过隐含层自主完成图像压缩编码。通过与四种一般压缩方法的对比验证，本方法图像压缩后，图像压缩率更小，图像分辨率和信息熵更高，既有效地减少了图像信息量，能够保留有效关键信息，达到了图像信息缩减和图像完整性的双重目标。     

智能数据分区与布局研究

大数据时代,数据规模庞大,由数据进行驱动的应用分析场景日益增多.如何快速、高效地从这些海量数据中提取出用以分析决策的信息,给数据库系统带来重大挑战.同时,现代商业分析决策对分析数据的实时性要求数据库系统能够同时快速处理ACID事务和复杂的分析查询.然而,传统的数据分区粒度太粗,且不能适应动态变化的复杂分析负载;传统的数据布局单一,不能应对现代大量增加的混合事务分析应用场景.为了解决以上问题,“智能数据分区与布局”成为当前的研究热点之一,它通过数据挖掘、机器学习等技术抽取工作负载的有效特征,设计最佳的分区策略来避免扫描大量不相关的数据,指导布局结构设计以适应不同类型的工作负载.首先介绍了智能数据分区与布局的相关背景知识,然后对智能数据分区与布局技术的研究动机、发展趋势、关键技术进行详细的阐述.最后,对智能数据分区与布局技术的研究前景做出总结与展望.     

样品温度对在线pH计测量的影响

在线分析仪表的种类繁多，在工业中的应用日趋广泛。作为其中的一类分析仪表，无论按被测介质的相态来划分，还是按照测量原理来划分，在线pH计通常都被划分为简单的一类分析仪表，掌握pH计的维护一般都会作为在线分析仪表从业者技能的最低要求。然而，pH计的测量原理实际上非常复杂，运行过程中也会出现种种问题需要解决。这其中样品温度的变化导致的测量误差会经常发生。本文就着重对于样品温度对于在线pH计的影响情况进行了探讨并给出了解决方法。