基于手机大数据的中国人口迁徙模式及疫情影响研究

新型冠状病毒感染的肺炎(COVID-19)可通过人员接触与流动迅速传播,因此研究人类迁徙和出行模式的变化对疫情防控至关重要.本文基于手机运营商2020年春运及疫情暴发前后连续两个月的全国地级市之间的人口流动数据,运用时序网络分析方法构建人口流动网络拓扑结构指标,并通过引入地理衰减因子提出Spatial-Louvain社团检测算法,研究平时、春运、疫情防控隔离和生产复工四阶段的人口迁徙模式的时空演化规律.研究发现:受各地疫情防控措施影响,武汉封城后全国城市间人口流量急剧下降,并持续至2月中旬.疫情期间人口流动网络结构呈现四阶段的时空演化模式;本文提出的空间网络社团检测算法比传统Louvain算法平均模块度值提高了14%;中国城市分布以经济交互和地理位置为基础,形成了以核心城市为中心,向周边辐射的城市群格局;疫情因素仅能在短暂时间内改变部分城市的城市群归属,当该因素消失或减弱后,城市群能迅速恢复原有格局.     

落球加速运动的路程

导出了落球法测粘度的二级半公式，误差≤0．022％．由于定义了雷诺数的零级近似R一级近似RI，使公式和计算大为简化．如果误差≤0．1%能满足要求，在R0≤0．005时可采用零级近似，0．005＜R0≤0．123时采用一级近似，R00.123时才采用二级半近似．     

近红外光谱法非破坏性测定黄豆籽粒中蛋白质、脂肪含量

采用傅里叶近红外漫反射光谱非破坏性分析 ,能够提供完整籽粒黄豆样品成分的含量信息 ,结合偏最小二乘回归法 (PartialLeast Squares,PLS) ,以 39个不同品种的完整籽粒黄豆样品建立蛋白质和脂肪含量近红外定量分析模型 ,其中蛋白质、脂肪含量分析模型的测定系数R2 分别为 99 30 ,97 5 2 ,相对标准偏差RSD分别为 0 76 %和 1 3% ,检验集的化学值与模型预测值的相关系数r分别为 0 94 73,0 86 95。用所建模型对 2 6 4个不同品种的黄豆样品进行预测 ,并采用R error指标来估计分析结果的误差 ,其中蛋白质和脂肪模型预测的最小相对误差分别为 0 0 4 %和 2 4 6 % ,最大相对误差分别为 2 4 5 %和 4 2 5 %。该结果对育种过程中的早代筛选工作有重要意义     

基于Bi PLS结合Si PLS的组合权值COD浓度预测模型

水体中过高浓度的有机物含量危害巨大,不仅会造成严重的环境污染,而且危害人类身体健康,传统化学法检测水体化学需氧量(COD)的步骤繁琐且时效性差,不利于水体中COD的快速定量检测。针对这些问题,提出了一种将紫外光谱与组合权值模型相结合的快速定量检测COD方法,该组合权值模型是基于反向区间偏最小二乘法(BiPLS)结合组合区间偏最小二乘法(SiPLS)算法对紫外光谱的特征子区间筛选组合,然后依据特征子区间的权值建立的预测模型。首先按照一定的浓度梯度配制45份COD标准液样本,通过实验获取标准液的紫外光谱数据;对获取到的COD紫外光谱数据做一阶导数和S-G滤波(Savitzky-Golay)的预处理,消除基线漂移和环境干扰噪声;应用SPXY(Sample set partitioning based on jiont X-Y)算法将实验样本数据组划分成校正集和预测集。然后基于BiPLS算法对全光谱区间进行波长筛选,在BiPLS筛选过程中,目标区间的划分数量会对建模产生较大影响,于是对子区间划分数量进行优化,把子区间分成15~25个,在不同区间数下都进行偏最小二乘(PLS)建模,通过交互验证均方根误差(RMSECV)来筛选最优子区间数,得到区间数为18时,模型效果最佳。从18个波长区间筛选出了6个特征波长子区间,入选的子区间为2,1,3,11,7和6,对应波长为234~240,262~268,269~275,290~296,297~303和304~310 nm,这6个特征波长区间涵盖了大量的光谱信息,对最终预测模型的贡献度大;接下来通过SiPLS算法对这6个初选区间进行进一步的筛选组合,采用不同的组合数构建不同特征区间上的PLS模型,在相同组合数下,筛选出一个区间组合数最优的结果,对比不同组合数下预测模型的误差与相关性,将6个区间筛选组合为3个特征波长区间,分别为234~240,262~275和290~310 nm,这三个特征区间最佳因子数分别为4,4和3。对传统SiPLS的特征区间组合方法进行改进,基于权值的大小来对这3个特征区间进行线性组合,代替过去特征区间直接组合的方法。通过权值公式计算出这3个特征区间的权重大小分别为0.509,0.318和0.173,最终建立线性组合权值COD浓度预测模型。为了验证组合权重预测模型的精度,另外建立了全波长范围内的PLS预测模型、单个特征波长区间的PLS预测模型、直接组合特征波长区间的PLS模型,并使用评价参数相关系数的平方(R2)、预测值与真实浓度值的均方根误差(RMSEP)和预测回收率(T)来对模型评价。验证结果表明,相比其他预测模型,组合权值模型相关系数的平方达到了0.999 7,明显优于直接组合特征区间建模的0.968 0,预测均方根误差为0.532,比直接组合特征区间的预测模型误差降低了29.3%,预测回收率为96.4%~103.1%,显著地提高了预测精度。该方法简单可行,不会产生二次污染,可为在线监测水体中COD浓度提供一定的技术支持。     

内螺纹管两相流冷凝压降的理论分析

为研究理论模型关联式对内螺纹管内流体冷凝压降的预测效果,本文首先对管内压降产生机制、理论模型拟合机理进行了阐述,而后基于4种内螺纹管内R1234yf流动冷凝压降实验数据,对所选的5个分相模型关联式、2个均相模型关联式的预测效果进行了校核。校核结果显示:由于关联式对管内流体流动机制的假设工况与流体实际流动工况相近,文献[12]、[13]提出的关联式对管内压降表现出较好的预测效果,而文献[8]、[15]基于人字齿管压降数据拟合的关联式均不适用于管内压降的预测,此外,文献[16]、[18]提出的均相模型关联式对管内压降的预测误差虽不大,但预测精度受肋片结构的影响较大。     

基于特征波段的高光谱技术检测水体中毒死蜱浓度的实验研究

为了探究反射光谱检测水体中毒死蜱农药的可行性,使用由ASD公司的FieldSpecPro地物波谱仪构成的高光谱采集系统在室内、室外环境获取两种不同浓度区间的毒死蜱样品的光谱数据。基于偏最小二乘(PLS)和主成分分析(PCA)算法分别对毒死蜱样品光谱数据建立全波段定量模型,结果两种模型的预测能力均较高。通过相关性分析(CA)计算相关系数来选择毒死蜱样品光谱的特征波长,其中浓度区间为5~75 mg·L-1的室内、室外实验光谱的特征波长为388,1 080,1 276 nm和356,1 322,1 693 nm,浓度区间为0.1~100 mg·L-1的室内外实验样品光谱的特征波长为367,1 070,1 276,1 708 nm和383,1 081,1 250,1 663 nm。结合PLS算法建立样品特征波长光谱数据的定量模型,结果与全波段模型相比,浓度区间为5~75 mg·L-1的室内外实验光谱PLS特征波长模型的校正集决定系数R2_C分别提高至0.987 5和0.999 2,预测集决定系数R2_P分别提高至0.989 4和0.994 4,校正集均方根误差RMSEC分别降低为2.841和0.714,预测集均方根误差RMSEP分别降低为1.715和1.244;浓度区间为0.1~100 mg·L-1的室内外实验光谱特征波长PLS模型的校正集决定系数R2_C分别提高至0.998 3和0.998 8,预测集决定系数R2_P分别提高至0.998 4和0.999 0,校正集均方根误差RMSEC分别降低为1.383和1.186,预测集均方根误差RMSEP分别降低为1.510和1.229,验证集标准差与预测均方根误差的比值(RPD)有所增加,尤其是针对浓度区间为0.1~100 mg·L-1的实验,RPD值显著增加至21.7,说明基于特征波长建立的毒死蜱样品定量模型具有较高精度的预测能力,但是通过不同浓度区间范围的对比实验发现,ASD地物光谱仪对低浓度的毒死蜱溶液预测的相对误差偏大,存在客观上的检测下限。为了保证不同试验条件下的毒死蜱农药的特征波长都得到分析,增强模型使用的普适性与鲁棒性,根据特征波长选择出4个波段,即351~393,1 065~1 086,1 245~1 281和1 658~1 713 nm作为特征波段。特征波段模型的波长变量个数共38个,相比于全波段模型的432个波长变量,模型变量精简了91.2%,其中浓度区间为5~75 mg·L-1的室内外实验光谱PLS特征波段模型的R2_C分别为0.993 7和0.987 8,R2_P分别为0.979 8和0.998 2,RMSEC分别为1.690和2.516,RMSEP分别为1.987和0.659;浓度区间为0.1~100 mg·L-1的室内外实验光谱特征波段PLS模型的R2_C分别为0.9882和0.9807,R2_P分别为0.9391和0.9936,RMSEC分别为3.345和3.942,RMSEP分别为8.996和2.663,且四种实验情况下的模型RPD值均大于2.5,满足定量分析条件。因此采用高光谱采集系统对室内和室外环境中毒死蜱农药的快速检测具有一定的可行性,此研究结果对有机磷农药等面源污染物快速检测有实际的应用价值,可为农田水体有机磷农药快速检测仪器的开发提供理论基础。     

基于BP神经网络的传感器网络动态采样模型研究

能耗控制对于农业环境监测无线传感器网络系统具有重要意义。基于误差反向传播的多层前馈神经网络预测和阈值分析建立了一种土壤温度传感器网络动态采样模型,实现了基于土壤温度周期变化特征的采样频率实时调整方法,达到减少网络冗余数据,降低网络功耗的目的。以环境温度和空气相对湿度为BP神经网络实测输入,土壤温度为预测输出,通过判断输出是否进入阈值区间动态调整采样周期。仿真实验结果表明,对于具有周期性特点的土壤温度,BP网络模型对其预测值和实测值之间的均方根误差RMSE及绝对误差AE分别为0.83℃和0.54℃。相比于连续采样,阈值分析动态采样次数减少30%。     

LSSVM模型下的近红外光谱联合区间波长筛选方法

针对传统近红外光谱波长选择方法忽略模型中非线性因素的缺陷,采用具有非线性处理能力的最小二乘支持向量机,结合间隔策略的波长选择方法和联合区间的思想,提出了一种非线性模型下的波长筛选算法—联合区间最小二乘支持向量机(synergy interval least squares support vector machines, siLSSVM)。以苹果糖度近红外光谱数据为例,与传统siPLS波长筛选方法相比,新算法的预测集均方根误差(RMSEP)在PLS模型和LSSVM模型预测时分别提高了37.43%和47.88%,预测集相关系数(RP)在PLS模型和LSSVM模型预测时分别增加了6.04%和7.31%。实例表明,对于存在非线性因素较强的光谱数据,siLSSVM算法能够有效的挑选最优波长区间与提高模型的预测精度和鲁棒性,为近红外光谱在非线性因素下筛选波长提供了新前景。     

序加实验理论模型误差修正的研究

针对序进应力加速实验理论模型中数学算法的误差,提出一种新的计算模型,新模型利用计算机编程辅助计算,显著地减小了模型误差.利用新、旧模型算法对理论数据进行计算,表明原模型算法存在13%以上的激活能计算误差以及150%以上的寿命计算误差（Q≤10　eV）,而新模型算法可以将激活能误差控制在1%以内,寿命计算误差控制在-41%以内.     

序加实验理论模型误差修正的研究

针对序进应力加速实验理论模型中数学算法的误差,提出一种新的计算模型,新模型利用计算机编程辅助计算,显著地减小了模型误差.利用新、旧模型算法对理论数据进行计算,表明原模型算法存在13%以上的激活能计算误差以及150%以上的寿命计算误差（Q≤10　eV）,而新模型算法可以将激活能误差控制在1%以内,寿命计算误差控制在-41%以内. 关键词： 加速实验 序进应力 理论模型 误差修正     

Prediction of epidemics dynamics on networks with partial differential equations: A case study for COVID-19 in China

Since December 2019, the COVID-19 epidemic has repeatedly hit countries around the world due to various factors such as trade, national policies and the natural environment. To closely monitor the emergence of new COVID-19 clusters and ensure high prediction accuracy, we develop a new prediction framework for studying the spread of epidemic on networks based on partial differential equations (PDEs), which captures epidemic diffusion along the edges of a network driven by population flow data. In this paper, we focus on the effect of the population movement on the spread of COVID-19 in several cities from different geographic regions in China for describing the transmission characteristics of COVID-19. Experiment results show that the PDE model obtains relatively good prediction results compared with several typical mathematical models. Furthermore, we study the effectiveness of intervention measures, such as traffic lockdowns and social distancing, which provides a new approach for quantifying the effectiveness of the government policies toward controlling COVID-19 via the adaptive parameters of the model. To our knowledge, this work is the first attempt to apply the PDE model on networks with Baidu Migration Data for COVID-19 prediction.     

新型冠状病毒肺炎的流行病学参数与模型

一种新型冠状病毒感染导致的肺炎自2019年12月至今在我国以及200多个国家和地区传播.本文旨在介绍近期关于新型冠状病毒肺炎的几个重要流行病学参数的研究进展和估计方法,包括基本再生数、潜伏期和代间隔,同时还介绍两个动力学模型及其结果.这些参数刻画了新型冠状病毒肺炎的传播特点,影响控制策略的制定和有效性.简要来说,新型冠状病毒肺炎的基本再生数R0的中位数为2.6,潜伏期均值约为5.0 d,代间隔均值约为5.5 d.这表明新型冠状病毒肺炎传播速度快.诸如对确诊病人的隔离治疗、对疑似病例的隔离、对密切接触者的追踪、对疾病信息的宣传和采取自我防护等防控措施能有效降低疾病暴发的风险和规模.     

A simple statistical physics model for the epidemic with incubation period

Based on the classical SIR model, we derive a simple modification for the dynamics of epidemics with a known incubation period of infection. The model is described by a system of integro-differential equations. Parameters of our model are directly related to epidemiological data. We derive some analytical results, as well as perform numerical simulations. We use the proposed model to analyze COVID-19 epidemic data in Armenia.     

To Freeze or Not to Freeze? Epidemic Prevention and Control in the DSGE Model Using an Agent-Based Epidemic Component

The ongoing COVID-19 pandemic has raised numerous questions concerning the shape and range of state interventions the goals of which are to reduce the number of infections and deaths. The lockdowns, which have become the most popular response worldwide, are assessed as being an outdated and economically inefficient way to fight the disease. However, in the absence of efficient cures and vaccines, there is a lack of viable alternatives. In this paper we assess the economic consequences of the epidemic prevention and control schemes that were introduced in order to respond to the COVID-19 pandemic. The analyses report the results of epidemic simulations that were obtained using the agent-based modelling methods under the different response schemes and their use in order to provide conditional forecasts of the standard economic variables. The forecasts were obtained using the dynamic stochastic general equilibrium model (DSGE) with the labour market component.     

新型冠状病毒肺炎疫情确诊病例的统计分析及自回归建模

基于安徽省卫生健康委员会截至2020年2月19日公布的800余例新型冠状病毒肺炎病例信息,根据病例中公布的接触史构建确诊患者间的有向传播关系,发现源传染患者中男性居多,被传染患者中女性居多.从病例信息中可知,安徽省新型冠状病毒肺炎疫情的发展从初期的具有武汉居住或接触史的输入病例转入后期本地传播为主的小范围社区传播,且严格的防控隔离措施有效切断了社区内的进一步传播.源传染患者与被传染患者的确诊时间间隔可用G分布拟合,确诊时间间隔的中位数为2 d,平均值为2.67 d.基于有向传播关系的统计特点,构建安徽省疫情发展后期的自回归传播模型,模型仿真结果与疫情发展数据符合.对除湖北省的全国确诊病例数据同样采取自回归建模与仿真,结果仍与疫情发展数据符合.这一发现为控制疫情在湖北省以外区域的防控提供了参考:通过严格的防控措施和隔离措施,疫情在湖北省之外的传播具有很大的黏滞性,多为家庭程度的密切接触传播,且能有效控制新型冠状病毒肺炎在当地的传播深度,有效控制了疫情的蔓延.     

改进的次条纹积分相位分析技术

条纹花样的单帧相位解调算法在实时、动态测量技术中具有广泛应用。次条纹积分算法具有较高抗噪能力,但其采用载频近似估算形变条纹周期时存在频率失配的固有缺陷,提出一种改进的次条纹积分算法,对条纹的局域频率进行探测,利用局域频率进行次条纹积分,然后再计算相位。模拟实验表明,改进算法的最大误差约为原算法的1/3,并通过条纹投影轮廓术实验进一步证明了改进算法的有效性,为单帧条纹相位分析技术提供了一种可供选择的新算法。     

Modeling the COVID-19 epidemic and awareness diffusion on multiplex networks

The coronavirus disease 2019(COVID-19)has been widely spread around the world,and the control and behavior dynamics are still one of the important research directions in the world.Based on the characteristics of COVID-19’s spread,a coupled disease-awareness model on multiplex networks is proposed in this paper to study and simulate the interaction between the spreading behavior of COVID-19 and related information.In the layer of epidemic spreading,the nodes can be divided into five categories,where the topology of the network represents the physical contact relationship of the population.The topological structure of the upper network shows the information interaction among the nodes,which can be divided into aware and unaware states.Awareness will make people play a positive role in preventing the epidemic diffusion,influencing the spread of the disease.Based on the above model,we have established the state transition equation,through the microscopic Markov chain approach(MMCA),and proposed the propagation threshold calculation method under the epidemic model.Furthermore,MMCA iteration and the Monte Carlo method are simulated on the static network and dynamic network,respectively.The current results will be beneficial to the study of COVID-19,and propose a more rational and effective model for future research on epidemics.     

Statistical model for the effects of phase and momentum randomization on electron transport

In this paper, the study of epidemic spreading of mobile individuals on networks focuses on the system in which each node of the network may be occupied by either one individual or a void, and each individual could move to a neighbour void node. It is found that for the susceptible-infected-susceptible (SIS) model, the diffusion increases the epidemic threshold for arbitrary heterogeneous networks having the degree fluctuations, and the diffusion doesn??t affect the epidemic threshold for regular random networks. In the SI model, the diffusion suppresses the epidemic spread at the early outbreak stage, which indicates that the growth time scale of outbreaks is monotonically increasing with diffusion rate d. The heterogeneous mean-field analysis is in good agreement with the numerical simulations on annealed networks.     

求解α本征值的k-α迭代方法误差估计

分析求解α本征值的k-α迭代方法,指出迭代法中参数的选择影响使用标准差的平均值估计出来的α误差.如果参数选取不当,实际估计误差可能和真实估计误差相差很大.MCNP4C程序中使用的参数给出的误差估计通常和真实估计误差有一定的偏差.本文给出一个新的参数选择办法,能够让实际估计误差几乎等于真实估计误差,并用数值实验进行验证.