小猪的故事 测你性格阴影

一天,在森林里,一只大肥猪和一只小瘦猪遇到了一只大灰狼……你觉得这个故事怎么接下去比较合理呢？     

基于机器学习软骨细胞的时间依赖性力学行为及本构参数反演

探究软骨细胞机械负载下的力学特性对于理解软骨细胞的正常和病理状态以及骨性关节炎的病因至关重要. 基于软骨细胞有限元计算模型的力学响应与其本构参数之间的高度复杂非线性, 本文提出了分别利用双向深度神经网络TW-Deepnets模型和随机森林RF模型并结合有限元方法来识别软骨细胞本构参数的两种反演方法. 首先, 建立了软骨细胞的无侧限压缩实验有限元模型, 收集MSnHS本构参数空间点与对应的有限元计算模型的压缩反作用力响应数据集. 其次, 结合贝叶斯超参数优化算法搭建了用于软骨细胞本构参数反求的TW-Deepnets模型和RF模型, 对有限元收集的数据进行训练, 并利用单个软骨细胞受到50%压缩程度下的实验数据对软骨细胞的MSnHS本构参数进行了反求. 最后, 通过与实验曲线的对比验证了所提出的反演方法的有效性, 并引入决定系数R2对两种模型的预测准确性进行了对比评估, 检验了模型对各本构参数的预测性能, 分析了MSnHS本构模型中各参数影响软骨细胞力学响应的重要性占比. 结果表明, 本研究提出的本构参数反演方法能够有效获取软骨细胞的本构参数值, 从而准确描述软骨细胞的时间依赖性力学特性, 该方法也可进一步推广到生物细胞在静态或动态负载条件下的复杂参数反演问题.      

基于大圆航线的飞行动态信息三维可视化

针对飞行监视信息可视化问题,在大圆航线上,结合所需性能导航(RNP)与广播式自动相关监视(ADS-B)技术,分析了航空器信息与RNP保护区计算方法。利用三维地理信息系统World Wind Java的二次开发功能,提出了基于航迹运行模式的航空器动态信息与保护区可视化方法。在本地高分辨率地理环境下重点实现4D航迹模拟飞行、保护区设计、飞行标牌和地形剖面测量等功能。最后通过仿真分析,表明该方法能够直观准确地完成可视化仿真,可应用于飞行监视与规划。     

大数据背景下的商品需求预测与分仓规划

商品需求预测对于电商企业意义重大,对阿里电商平台的交易数据进行挖掘以获取有效特征,利用特征建立模型对未来两周这些商品的需求进行动态预测,并基于预测结果和成本最小的原则提出分仓规划建议.预测模型选择随机森林做回归,然后在残差分析的基础上建立报童模型求解分仓的库存规划.对特征数量众多的电商交易数据挖掘所建立的模型有助于电商企业进行有效的商品需求预测并据此制定成本更低的分仓规划.     

手持式LIBS结合随机森林用于鱼产品的快速鉴别分析

中国是水产品生产和消费大国。由于不同鱼产品的品质和价格差距悬殊,近缘鱼类外观质地相似等特点,鱼产品掺假和错贴标签的现象频发,直接损害了消费者的消费和健康权益,因此实现鱼产品品种品质的快速检测具有重要的现实意义。激光诱导击穿光谱（LIBS）技术采用脉冲激光烧蚀样品表面产生激光诱导等离子体,通过探测等离子体的发射光谱实现待测样品元素组分的定性和定量分析,具有无需（或少量）样品预处理、多元素同时检测,分析速度快的优势,在食品快速检测分析方面具有很大的应用潜力。将LIBS技术结合随机森林（RF）算法用于不同种类鱼产品快速鉴别分析。首先对6种鱼肉样品进行压片处理,采用手持式LIBS分析仪采集其光谱数据,可探测到清晰的C、Mg、CN、Ca、Na、H、K、O等元素组分的特征谱线。将原始光谱数据进行归一化预处理,采用主成分分析方法（PCA）进行聚类,发现海水鱼和淡水鱼样品可以区分,而不同海水鱼之间和不同淡水鱼之间的样品则难以有效区分,说明PCA方法对鱼肉LIBS光谱分类能力有限。之后采用非线性的随机森林算法建立分类模型,经过优化RF模型的决策树个数与决策深度,得到鱼肉样品的整体识别正确率为90%。为进一步提高模型识别精度和分析效率,通过RF模型输出的变量重要性进行光谱特征提取,识别正确率提高到94.44%,且模型输入变量由23 431个减少到597个,模型运算时间显著降低。表明RF模型结合变量重要性提取可以很好地将LIBS光谱中变量重要性高、对分类贡献大的弱信号提取出来,有效剔除了谱线噪声、背景、以及其他不相关变量的干扰,提高模型的识别精度和分析效率。也验证了手持式LIBS设备结合机器学习方法用于市场鱼产品快速鉴别分析的可行性。     

近十年中国东北森林植被物候遥感监测

基于归一化差值植被指数(normalized difference vegetation index, NDVI),提出了一种新的物候遥感监测方法,基于森林植被的年NDVI时间累积曲线,利用Logistic模型对NDVI累积曲线进行拟合,依据曲率极值方法提取森林植被物候期的关键参数(生长季开始日期, SOS; 生长季结束日期, EOS),并对森林植被的生长季长度(length of season, LOS)进行分析,探讨近10年东北森林物候的时空变化。主要结论为：(1)2001年～2010年间,东北森林生长季开始日期集中在110～140天但在10年间没有明显变化;(2)第260～290天,森林逐渐停止生长,生长季结束日期从北向南逐渐推迟,但在十年间几乎没变化;(3)与生长季开始和结束日期相对应,东北森林生长季长度集中在120～160天之间,但存在空间差异,大兴安岭地区森林生长季长度较短,集中在120～140天之间,小兴安岭、长白山、辽东半岛地区的森林生长季长度可达到160天,对整个研究区来讲,近10年间变化的区域仅占研究区的14.9%,变化趋势集中在1d/10年。研究结果与物候观测数据及已有的研究具有较好的一致性,说明利用遥感数据动态监测东北森林植被物候期具有一定的可靠性。     

近红外光谱对天然岩石中矿物成分含量测定的研究

使用近红外光谱仪获取由高岭土、白云母和蒙脱石三种岩石矿物粉末混合成的模拟天然岩石样本的近红外漫反射光谱信息,通过标准归一化(standard normal variable)的方法对光谱数据进行预处理,采用随机森林(random forest)进行数学建模,对岩石样本的组成成分进行预测,预测得到三种岩石成分最小均方根误差分别为：0.088 0,0.095 6,0.121 2。实验结果表明应用近红外漫反射光谱来测定天然岩石中各种矿物成分的含量是可行的,为今后岩石成分的快速检测提供了理论依据。     

M矮星光谱型分类研究

M矮星的研究对于探索银河系的结构、演化以及搜寻地外生命有重要意义。获得M矮星的光谱型是一项重要的基础工作。本研究采用SLOAN DR7的M矮星样本,参考随机森林的特征重要性度量, 提取M矮星可见光波段600~900 nm之间的特征。提取的特征与现有的光谱分类程序Hammer中采用的特征进行对比增加了三个新的特征,并重新计算了模板的特征指数。对该方法测试结果表明,增加了新指数的程序光谱型分类结果准确度有很大提高,该方法已用于对LAMOST的M矮星光谱进行光谱型分类。     

基于MODIS数据的森林火险时空分异规律研究

森林火灾严重危害生态环境,引起了全球的高度重视。将从MODIS(MODerate-resolution imaging spectroradiometer)中提取的活动火点与历史火烧痕迹进行比较研究,发现MOD14A1(火掩膜数据产品a daily Level 3 1-km fire hot spot product)中提取的8+9波段适合消防监测,与现场勘察数据相比较吻合度高达0.83。使用MOD14A1中8+9波段结合相关数据对这个区域的长达11年(2000—2010年)的森林火灾发生的时间和空间分析,结果表明：火灾发生频率最多的是春季,秋季次之,夏天概率最低,除非干旱。通过对研究区域黑龙江省分析,针叶林和温带针阔混交林过火面积所占比例分别为53.68%,44%,草原区过火面积较小为2.32%。大兴安岭是主要的燃烧区域,面积达到64.74%,小兴安岭约为23.49%,而其他区域面积不超过5%。且火灾发生的较大部分森林有个平缓的斜坡(≤5°),大部分处于中海拔(200 m≤H≤500 m)。因此,通过卫星遥感对森林火区区域的时间序列分析,阐明火灾活动规律和气候、地形、植被类型的相互关系,有助于预测火灾区域危险性等级。     

基于MOLMAP 指数的光化学反应分类预测

由反应物和产物的结构衍生了反应物、产物和化学反应的MOLMAP 指数, 其中化合物的结构由化学键的物理化学性质和拓扑性质所表征. 将前述MOLMAP 指数应用于一个含七类光化学反应的数据集, 通过随机森林建立了三种类型的模型: (1)预测反应物可能发生的反应类型; (2)预测可能合成产物的反应类型; (3)预测整个化学反应的类型. 由于无需指定数据集中参与反应的化学键, 所以, MOLMAP 指数能够得到广泛的应用. 所得分类预测结果好于我们此前对同一数据集的研究, 表明改进化学键的描述有助于提高MOLMAP 指数的预测能力.