【学校概况】西安汽车职业大学是由中华人民共和国教育部批准成立，全国第一所以汽车命名的职业大学。国家级产教融合示范实训基地、国家第三批现代学徒制试点单位、陕西省高技能人才培训基地、汽车工程技术陕西省高校工程研究中心、陕西省普通高校中华优秀传统文化传承基地、民盟西安市委爱国主义教育基地、陕西省汽车工程学会副理事长单位、陕西省民办教育协会副会长单位。学校坐落于历史文化古城--西安。 【办学历史】学校创建于1987年，前身是西影路摩托车修理技校。2004年4月经陕西省人民政府批准、教育部备案，成为全日制高等职业院校，更名为西安汽车科技职业学院。2018年12月经教育部批准，升格为本科层次职业院校。2019年5月经教育部批准，更名为西安汽车职业大学，是全国首批15所本科层次职业教育试点高校之一。 【办学定位】自创办以来，学校一直坚持为党育人、为国育才之初心，勇担职业教育使命，秉承“以人为本，开拓创新，突出应用，强化技能”的办学理念，以“培养一流职业人才，助力民族汽车工业”为使命。以服务地方区域经济和社会发展为己任，立足陕西，辐射西北，面向全国，走强化内涵、凸显特色之路，累计为社会培养输送高层次技术技能型人才12余万名。 【办学条件】学校共有临潼和白鹿原两个校区，总占地面积1500余亩，校舍建筑面积55.38万平方米。临潼校区地处骊山脚下、渭水之滨，白鹿原校区南依秦岭、北临灞河，环境优美、风景宜人。教学仪器设备总值16845万元，图书173万册，校内实验实训室87个，校企合作实习实训基地37个，软硬件设施配套齐全。学校建有全国大学唯一、西北地区唯一的国际标准F3赛道和摩托车越野培训基地等高标准的赛车培训和运动设施，满足了教学、实验、比赛和安全教育等多样化需求。 【办学规模】学校设有智能汽车与工程学院、新能源汽车学院、电子信息工程学院等10个二级学院，22个本科专业，37个高职专业，涵盖装备制造、交通运输、电子信息、财经商贸、文化艺术、新闻传播等6个专业大类，其中省级重点专业5个，省级一流培育专业1个，现代学徒制试点专业1个，形成了以工为主，理、工、管、经、文、艺多学科协调发展的布局。目前在校生人数2万余人。 【师资队伍】学校实施“筑巢引凤”工程，引进一批以高水平学科专业带头人和高学历为主的教师队伍，教学团队配备齐全，师资力量雄厚。现有专任教师900余人，其中具有硕士以上学位500余人，副高及以上专业技术教师300余人，还引进一批国家级能工巧匠、省级技术能手，行业专业技术骨干、省级教学名师，并建成名师工作室4个。 【人才培养】办学37年来，毕业生就业率始终保持在94%左右。近几年，学校持续推进落实“3-2-4-1-8”人才培养模式在教学环节中的着力点，强化职教本科培养模式的有效性；构建以汽车技术为中心的“一核多星”专业布局，形成了独特的特色专业优势。 【科学研究】学校坚持以教学教研工作为中心，从教学思想、教学内容、教学方法等方面开展研究与改革。近几年承担的科研项目122项，获得专利139项，完成咨询报告65个;发表论文692篇，其中SCI、EI、CSCD、核心期刊论文77篇。目前为止，学校获得省级教学改革项目10项，其中省级重点项目2项。 【就业工作】学校建立一站式管理和访企拓岗就业工作机制，成效显著。与保时捷、捷豹路虎、沃尔沃、奥迪、上汽通用、一汽大众、比亚迪、特斯拉、陕汽、中国兵器北方动力、宝鸡机床、达内、京东、顺丰等知名企业开展深度合作办学。在校学生所学专业与企业生产实践紧密结合，深受用人企业欢迎，就业率始终保持在93%以上，成为全国汽车类人才培养的重要基地。 【成绩荣誉】学校先后荣获“陕西省文明校园”、教育部“一校一品”校园文化品牌、“中国汽车科技示范院校”等荣誉称号。2022年学校被中央广播电视总台·央广网评为“2022年度职业院校知名品牌”。2024年，学校荣获中国职业技术大学排行榜第八名，被授予六星级、中国顶尖职业技术大学称号，成为全国唯一一所汽车类职业本科明星大学。

新能源汽车教学设备采用新能源汽车实物为基础，可将新能源汽车的电池、发动机、空调、全车电器等部件单独做成教学装置。新能源汽车教学设备适用于本科，职业技术学院的汽车专业教学。

面对疫情，北京航空航天大学机械工程及自动化学院先进数控和智能制造团队刘强教授、肖文磊副教授等一批教师和研究生自发组成“大数据建模分析工作群”，开始收集疫情数据，交流和讨论建模方法。刘强、肖文磊又与工作群中的孙鹏鹏、王柳权、臧辰鑫、朱三颖、高连生等人，组成了“2019-nCoV疫情建模分析应急响应研究小组”核心攻关组，全力以赴开展本次疫情建模仿真和预测分析研究工作。疫情建模分析应急响应小组的研究工作是在2003年郇极教授提出的“一种基于自动控制理论的SARS传染预测模型”的基础之上，结合此次新冠疫情原发地高度集中、恰逢春节期间人口流动的特点，采用控制论原理和大数据分析方法建立功能更全面的2019-nCoV动态感染过程模型。刘强教授团队对北京、上海、重庆、温州、长沙、郑州、成都、杭州、深圳等40余个城市的疫情数据发展趋势进行了动态仿真分析。基于分析结果，应急响应小组直接向上级部门提交疫情关键数据预测报告2份，直接向中国疾控中心提供预测分析数据及报告2份，向上级提出北京延期恢复正常上班的紧急建议1份，为高层疫情防控决策提供了及时有效的技术数据支持。

面对国家在疫情防控决策方面的重大战略需求，北京航空航天大学计算机学院王静远副教授，联合经济管理学院吴俊杰教授、部慧副教授，计算机学院软件开发环境国家重点实验室孙磊磊老师等，快速反应，在1月22日开始陆续组织了一支包括20余名师生在内、跨学科、跨专业的疫情应急研究团队，开展基于大数据的疫情预测与大数据分析科研攻关工作。 团队经过连续不眠不休的集中攻关，于1月25日完成了第一个针对新冠肺炎疫情预测的模型，并最早具备了对外提供疫情预测服务的能力。该模型具备优秀的预测精度和疫情解释能力，为上级部门的疫情防控决策提供了重要的支撑。尤其是在疫情拐点尚未出现、全国发病走势尚不明朗的疫情早期阶段，为防疫决策提供精准的数据参考。预测模型基于王静远老师在2014年深圳H7N9流感爆发和季节性流感流行期间使用市民活动大数据与Meta-Population动力学模型相结合的方式设计的面向城市的呼吸道类疾病传播分析与预测模型，曾应用于深圳流感防控。

近日，南科大“人流大数据和AI驱动的新型冠状病毒（COVID-19）传播建模预测和模拟推演平台”内测版本正式推出（下简称“推演平台”）。该平台可实现在城市尺度上，基于人流移动的新型冠状病毒传播感染情况的细粒度预测和模拟，为有关部门制定不同的隔离和公共防疫政策（如封闭特定城市区域或道路）提供参考。新型冠状病毒的感染传播与人流移动存在密不可分的关联。现阶段的多数研究只停留在简单的相关性分析以及基于全国地图的数据可视化阶段，缺乏在城市尺度上、针对人流移动的细粒度深度分析，更缺乏基于人流移动的传播模拟推演模型以及潜在感染源和风险区域的挖掘模型。随着复工潮的来临，战“疫”面临新的挑战。南方科技大学科研部、工学院、计算机科学与工程系（下简称“计算机系”）和南方科技大学-东京大学超智慧城市联合研究中心紧急组织科研力量，成立“新型冠状病毒传播建模预测项目组”，由计算机系副教授宋轩担任负责人，迅速启动针对新型冠状病毒传播感染的“大数据分析和AI建模推演平台”研发工作。该平台是一个针对新型冠状病毒传播的大数据分析和AI建模平台（如图1），其中预测和模拟推演模型完全由数据驱动，需要使用人流大数据进行训练和优化。数据拥有单位只要将人流大数据输入平台，平台即可以自动完成模型迭代训练，并输出相关的预测和模拟推演的可视化结果。其预测和模拟推演的精度由模型训练数据的质量、精细度和覆盖度决定。平台后续期待更多单位（如GPS轨迹数据、CDR数据等人流大数据拥有单位）参与进来，共同完善该平台。推演平台通过整合、处理和分析各类多模态人流移动和出行大数据，结合新一代的人工智能技术，完成对新型冠状病毒的传播和感染人群细粒度建模，从而实现在城市区域内细粒度预测、模拟和动态推演传播感染情况。平台可实现的基本功能主要有以下几个方面：一是建立新型冠状病毒和人流移动的映射模型，包括传染概率确定/潜伏期分析/传染代数分析等；二是分析隐藏病患，由于疾病传播为链式，可以根据缺失轨迹链反推出尚未确诊的疑似病患；三是分析风险人群，可根据病患轨迹寻找可能有接触的风险人群，提前预警；四是挖掘潜在病原地，分析病人间的轨迹交叉点确认潜在的未知病原地（如图3）。在以上功能基础上，平台可以实现设定不同的公共防疫政策（如封闭城市内的高风险感染区域），在城市尺度上，动态推演和模拟在这些政策下的城市传播感染情况，从而帮助相关部门制定更为高效的隔离和公共防疫政策（如图4）。

利用十年百余万次的近视眼医学验光大数据，揭示出真实世界青少年近视眼发生、进展与稳定的规律。在此基础上，运用随机森林算法进行机器学习，建立人工智能预测系统，可对近视进展趋势进行个体化预测，3年内准确率达90%，10年内准确率达80%以上，也可提前8年有效预测高度近视，为近视眼的精准干预提供了科学依据。开发出一套人工智能云平台，提供高效的近视预测服务。通过访问智能平台，输入前后两次检查的年龄和度数（间隔至少一年），即可预知10年内的近视度数变化与高度近视风险。       中山眼科中心近年来对近视眼进行了系统性的研究，不断取得突破，产生了重大的社会影响和意义。

本发明涉及一种短期风速组合预测方法，包括步骤:1. 从相关数据采集与监视控制系统中提取历史 风速数据;2. 对提取的风速数据采用聚类经验模态分解进行序列分析;3. 对聚类经验模态分解得到的 各子序列分别建立最小二乘支持向量机模型，并采用自适应扰动粒子群算法和学习效果反馈对影响最小 二乘支持向量机预测效果的三个参数进行综合选取;4. 根据最小二乘支持向量机学习效果选用最优参数 进行预测;5. 叠加各子序列的预测结果，得到风速预测结果;6. 对风速预测结果进行误差分析。本发 明建模过程简单实用，能快速有效的进行风速预测，从而有效进行风功率预测，对电力系统的安全稳定 和调度运行具有重要意义，具有广泛的推广应用价值。

本发明公开了一种二重预测视频编解码方法和装置，解码方法中，解码重建图像的重建过程包含二重预测补偿过程和第二重预测存储，其中二重预测补偿过程包括第一重预测补偿过程和第二重预测补偿过程，其中第二重预测补偿过程的输入包括重建后的第一重残差和重建后的第二重残差；编码方法包括二重预测过程和第二重预测存储，其中二重预测过程包括第一重预测过程和第二重预测过程，其中第二重预测过程的输入包括和第一重残差和第一重残差预测值；此编码方法产生相应码流；本发明使用二重预测编解码方法和装置去除冗余，得到编码性能的提高。

上海大学通信学院蒋皆恢研究团队联合复旦大学附属华山医院、瑞士伯尔尼大学合作团队于2020年4月22日在《European Journal of Nuclear Medicine and Molecular Imaging》上在线发表论文“Individual brain metabolic connectome indicator based on Kullback-Leibler Divergence Similarity Estimation predicts progression from mild cognitive impairment to Alzheimer's dementia”。该期刊是核医学领域最具影响力的顶级学术期刊，在JCR及中科院SCI期刊分区为一区Top，2019年其影响因子达7.182。上海大学为第一单位，上海大学通信学院博士生王敏为第一作者，上海大学蒋皆恢副教授和华山医院左传涛教授为共同通信作者。该研究依托上海先进通信与数据科学研究院、上海大学通信学院特种光纤与光接入网重点实验室、特种光纤和先进通信国际联合实验室进行。 阿尔兹海默症(AD)是引起痴呆最常见的老年退行性疾病，其医疗年花费占国内生产总值的1.47%。由于AD疾病进程不可逆转，一旦确诊绝大多数已至中晚期痴呆。药物赖以起效的靶细胞都已经凋亡，更无从谈药效。因此早期诊断和干预已成为临床共识。轻微认知障碍(MCI)为AD痴呆前期，基于MCI临床基线数据对AD转化进行预测，具有重要的临床价值。18F-葡萄糖代谢(FDG)正电子发射断层扫描成像(Positron Emission Computed Tomography, PET)技术，可在体揭示认知下降过程中的大脑代谢水平变化，但是先前的研究多是基于数值分布的量化分析，而忽视了各神经元之间的代谢相关性，这些代谢相关性可能揭示一些常规指标难以发现的微弱病理生理学变化。因此，蒋皆恢研究团队提出了一种新的基于KL散度估计的、个体代谢连接组学方法，并用于对MCI向AD转化预测。基于公共数据库ADNI数据的研究结果表明，该方法在MCI人群分析中具有较高的有效性、稳定性和特异性。使用该方法构建的脑代谢连接组学预测指标，在510例MCI患者中达到了比传统方法更高的预测效果。本研究为揭示脑内代谢连接异常提供了新思路。论文链接：https://link.springer.com/article/10.1007/s00259-020-04814-x

本发明提供基于微结构参数的黏土固结系数预测方法，该方法包括有以下步骤：进行不同压力作用下土的固结实验，根据常规土工实验测取孔隙比；算出不同固结实验的固结系数；采用扫描电镜方法获得相应样品断面处的微观结构照片；对土的微结构照片进行颗粒体区域和孔隙体区域分割，并抽取颗粒体单元总数、单元方向、总面积、总周长、面积比信息；对颗粒体进行分析并建立累计贡献率95%以上的主成分表达式；建立主成分与该种土固结系数之间的关系。有益效果是采用该方法，将黏土的固结系数与其微结构参数联系起来，可根据黏土的孔隙比和微观参数主