本技术涉及一种基于机器学习的建筑能耗预测方法及装置，其中，方法包括:步骤S1：获取基准建筑能耗模型，其中，基准建筑能耗模型基于现有的标准规范并参考典型办公建筑案例建立，用于基于各关键参数的取值得到逐月能源消耗；步骤S2：采用拉丁超立方抽样方法对各关键参数进行采样得到多个第一样本，基于基准建筑能耗模型根据各第一样本得到对应的逐月能源消耗，并将各第一样本和对应的逐月能源消耗组合，生成第二样本；步骤S3：利用第二样本训练建筑能耗预测模型；步骤S4：基于训练好的建筑能耗预测模型进行能耗预测。与现有技术相比，本发明具有在提高建筑能耗预测准确率的同时，减小计算量等优点。

 本技术涉及一种考虑强度退化效应的结构疲劳寿命预测方法及相应的系统，设备寿命预测技术领域；该预测方法包括:获取结构在至少一个工况下的应变‑时间数据；将应变‑时间数据转换为应力谱；利用考虑强度退化效应的非线性累积损伤模型处理所述应力谱，得到结构的剩余损伤；根据所述剩余损伤计算结构的疲劳寿命。本发明通过引入应力比以及强度退化系数来对模型进行修正，可以较好地体现出材料的退化性能，且模型形式简单，无需引入额外物理参数，能较好的应用于工程实际之中；并且该模型可应用于多级载荷加载下的疲劳寿命的预测，大大提高了结构疲劳寿命预测精度。

 本技术公开了一种基于虚拟现实的劳动教育实践引导方法及平台，涉及智慧教育技术领域，包括建立存储有虚拟仿真素材、学生数据、家长数据以及教职工数据的数据库；若接收到教职工用户发起的劳动教育课程任务，则查找数据库，确定匹配的课程引导数据以及学生数据，并将课程引导数据分发至对应的学生数据的用户；基于预设的分组规则对学生数据所对应的用户进行分组，产生组类一和组类二；若接收到某个学生用户发起的互助问询信息，则定义该用户为发起人，并向发起人所在的组别内的其他用户发送互助问询信息并接收反馈；若问询反馈为同意，则标记该学生用户并执行互助流程一。本文能够提高劳动实践课程的时间利用率，从而改善实践效果。

 本技术涉及基于拉曼光谱时序分析与机器学习结合的复合菌种检测方法，包括:采集复合菌种的拉曼光谱数据；利用小波变换将所述复合菌种的拉曼光谱数据转化为时序数据；使用LSTM模型对所述时序数据进行时序分析，初步将复合菌种分离为不同的单菌种；利用预设的SNG‑DBSCAN算法，对分离后的单菌种进行分类，获取菌种类别。

 本技术公开了一种基于序列建模的学术能力评估方法，属于学者学术评估技术领域，包括潜在因素抽取、基于Transformer创建学术能力评估模型以及输出学者学术能力评估结果。本发明通过考虑学者学术生涯成功的决定因素，基于Transformer建模学者的学术生涯，对学者的学术能力进行评估，避免单一维度对学者学术能力评估造成的偏差，基于时间序列表征学者的成长轨迹，挖掘学者生涯的动态属性，避免仅仅关注学者静态属性造成对学者成长轨迹中动态属性的忽略，利用评奖评优历史记录作为评估学者的先验知识，解决了现有评估方法不能利用学者积累的已有先验知识综合评估的不足，定量输出更容易理解的学者量化指标，对学者学术能力进行更精确、更合理的评估。

 事实错误纠正旨在识别和纠正给定语句中的事实错误。现有的大多数方法都依赖于语言模型掩码器，通过掩码语句中的令牌来识别事实错误。然而，这种方法往往无法确保被掩码词块的成分完整性，从而导致更正偏离原始语句。为了解决这个问题，我们提出了一种基于Chunking的方法和用于FEC的词性信息提示，其目的是识别和纠正与声明内容一致的事实错误。具体来说，我们首先描述了一个基于Chunking的掩码模块，该模块可将语句分块为多个跨度，同时保留每个跨度的成分完整性，然后标记每个跨度的词性信息，并将其与跨度边界预测模块预测的证据跨度相结合，形成一个提示，使用该提示给基于T5的校正器为每个基于跨度的掩码语句生成校正，最后使用校正评分来选择最终校正。

 本技术涉及基于BiLSTM Multi‑Head Attention的拉曼光谱分类方法，用以解决现有技术在处理复杂光谱数据时分类准确率低、泛化能力不足的技术问题。主要包括数据预处理、构建基于BiLSTM Multi‑Head Attention的深度学习分类模型、通过5折交叉验证对学习分类模型进行训练，优化模型参数，在测试集上对学习分类模型进行评估，深度学习分类模型包括输入层、BiLSTM层、注意力机制层、全连接层和输出层。该方法通过学习率调度、层归一化等优化技术，提高了模型的分类准确性和泛化能力，能够有效地对复杂拉曼光谱进行分类，适用于智能化的疾病检测和物质识别等领域。

 本技术属于可信人工智能技术领域，具体公开了一种基于图神经网络的支付监管模型可信评估方法，包括训练用于对图神经网络中节点进行分类的支付监管模型；将图神经网络的边界节点和对应标签作为干净指纹序列；将通过可疑篡改模型得到的图神经网络的边界节点和对应标签作为可疑指纹序列；根据干净指纹序列和可疑指纹序列，确定支付监管模型的安全性。本发明首次提出了在支付监管模型场景下的五大维度评估定义，包括隐私性、可解释性、安全性、鲁棒性和公平性。五大维度全面覆盖了支付监管模型的核心评估领域，填补了业界在此领域的空白。本发明提供的支付监管模型可信评估方法，对于推动支付监管模型的发展和完善具有重要意义。

 本技术公开了属于效益评价技术领域的基于FAHP和TOPSIS法的多元储能效益评价方法。包括以下步骤:建立多元储能系统综合效益评价指标体系并建立每个指标的数学模型，通过FAHP法确定每个指标的权重；构建评价矩阵并将其标准化，结合FAHP法确定的权重得到加权标准化决策矩阵；通过TOPSIS法确定正、负理想方案，并得到各方案到理想解的距离和贴近度，对结果进行排序得到最优方案。本发明通过把FAHP和TOPSIS法相结合，可以更加全面地考虑问题，并避免单一方法的局限性，使得结果更具有客观性和可信度，也使得考虑整个决策问题时更加系统、全面。

 本文公开了一种自动驾驶测试场景多维评价方法，所述方法包括:基于评价类别对每一自动驾驶测试场景进行分解，得到对应所述评价类别的动态元素和静态元素；所述评价类别包括风险、复杂度和稀有度；利用层次分析法确定各个自动驾驶测试场景的主观权重，利用熵权法确定各个自动驾驶测试场景的客观权重，基于博弈论对所述主观权重和所述客观权重融合，得到综合权重；基于所述综合权重输入评价模型，得到对应所述评价类别的评价等级；基于聚类算法对各个自动驾驶场景对应的评价等级进行分类，得到对应的评价级别，如此，将综合考虑场景的风险性、复杂性和稀有度，旨在对自动驾驶车辆的性能进行全面的评估。