基于多通道的ICU脑血管疾病死亡风险预测模型

死亡风险预测指根据病人临床体征监测数据来预测未来一段时间的死亡风险。对于ICU病患，通过死亡风险预测可以有针对性地对病人做出临床诊断，以及合理安排有限的医疗资源。基于临床使用的MEWS和Glasgow昏迷评分量表，针对ICU病人临床监测的17项生理参数，提出一种基于多通道的ICU脑血管疾病死亡风险预测模型。引入多通道概念应用于BiLSTM模型，用于突出每个生理参数对死亡风险预测的作用。采用Attention机制用于提高模型预测精度。实验数据来自MIMIC [Ⅲ]数据库，从中提取3?080位脑血管疾病患者的16?260条记录用于此次研究，除了六组超参数实验之外，将所提模型与LSTM、Multichannel-BiLSTM、逻辑回归（logistic regression）和支持向量机（support vector machine, SVM）四种模型进行了对比分析，准确率Accuracy、灵敏度Sensitive、特异性Specificity、AUC-ROC和AUC-PRC作为评价指标，实验结果表明，所提模型性能优于其他模型，AUC值达到94.3%。     

基于层次分析法的桥梁跨河施工方案评价

层次分析法是对定性问题进行定量分析的多准则决策方法，将研究对象作为一个系统，按照分解、比较判断、综合的思维方式进行评价。对流冲河特大桥工程实例进行分析研究，构建了基于层次分析法的桥梁跨河施工方案评价模型，对长钢栈桥组合钢平台、分期筑岛、短栈桥结合筑岛3种方案进行综合评价。结果表明：短栈桥结合筑岛方案最优，应用效果良好，验证了层次分析法应用于该类工程施工方案决策的可行性和合理性。     

意识提升促产业发展,益生菌将大有可为——访恒天然集团大中华区商务经理王乐濛

2020年初,突如其来的新冠疫情打破了原本宁静的生活,且该疫情至今仍在全球蔓延,对人们生活的影响可谓无处不在。“祸兮福所倚,福兮祸所伏”,新冠疫情既带来了挑战也创造了机遇——人们的健康意识不断增强,也普遍意识到提升自身免疫力的重要性。与此同时,益生菌行业在这个特殊时期呈现“逆势上涨”的态势,彰显出它与免疫力及健康之间强韧的关联性,益生菌类产品也凭借其改善胃肠道、增强免疫力等功效成为了人们追求健康的“新宠”。     

浅议生态环境监测机构的风险控制

现阶段,为了探索创新性的发展途径,生态环境监测机构应始终增强风险控制意识。应加强风险管理,立足于风险控制,以求不断健康发展。     

建筑施工过程的环境风险识别与分析

近些年来由于房地产的热度较高不下,建筑行业一直处于风口浪尖,并且已经有了长足的发展。但是在城市之中进行建筑施工,往往会带来一定的环境风险,施工扰民的状况,近些年来也常在舆论之中出现。本文针对建筑施工过程之中,对于环境影响的因素进行识别,从而提出了相关意见和建议,对于环境风险进行分析和规避,公有关建筑施工部门参考。     

我国水-能源-粮食耦合关系及影响因素

为缓解我国水、能源和粮食资源紧张问题，促进资源可持续利用，构建水-能源-粮食系统，利用耦合协调度模型对我国的30个省（自治区、直辖市）进行测算,并利用空间杜宾模型分析主要影响因素。结果表明：2003—2017年，我国能源、粮食评价[JP]指数高于水资源评价指数，系统综合评价指数逐年递增；大部分省份耦合协调度处于初级协调水平且呈现逐年上升的态势，个别省份耦合协调度濒临失调；耦合协调度空间自相关性较强，虽有明显波动，但是呈现逐年加强的态势；影响耦合协调度的主要因素有从业人口数、固定资产投资额、人均生产总值、人口总数、[JP]文盲人口占比、工业污染排放、城镇化。     

爆破工程安全评价初探

开展爆破工程安全评价可有效地减少各种危险和有害因素 ,减少爆破事故的发生 ,大型或特殊爆破工程均应进行安全评价。本文提出了对爆破工程开展安全评价的设想 ,并对爆破工程安全评价的内容和方法进行了探讨。文中指出 :根据爆破工程的特点 ,可采用事故树分析和预先危险性分析等方法进行爆破工程的安全评价     

《建筑结构》持续入编北大中文核心、中国科技核心并在世界期刊影响力指数中名列前茅

踔厉奋发,笃行不怠。在近期发布的科技期刊评价指标中,《建筑结构》整体表现良好,特向长期关心和支持学报发展的专家、学者汇报《建筑结构》2021年度所取得的成绩。(1)继续入编2020版《中文核心期刊要目总览》即北大核心期刊。(2)经过多项学术指标综合评定及同行专家评议推荐,《建筑结构》杂志继续被收录为"中国科技核心期刊"(中国科技论文统计源期刊),且在同类期刊中名列前茅。     

基于大数据深度学习的输电塔结构抗风易损性评估

为了有效预测输电网系统在强风作用下的响应，并开展高效精准的性能评估，文章提出了基于深度学习模型的风致易损性评估框架。以某具备健康监测系统的输电塔结构为例，首先对监测数据进行清洗和重构，通过大数据深度学习建立荷载输入和响应输出的等效映射模型，然后通过数值模拟生成灾害强度均匀的风场数据并由深度学习模型预测输电塔关键杆件响应，计算不同性能水准的易损性曲线。研究结果表明，经训练的深度学习模型可以涵盖实际工程中存在的各类不确定性因素，有效映射复杂风环境下输电塔结构的动力响应。提出的框架方法可以避免单纯通过数值模型制备大量动态响应数据，更高效地进行输电网系统风致易损性评估。