基于多因素回归分析和机器学习算法的冠心病预测模型构建及比较

本文旨在构建基于临床电子病历数据的冠心病预测模型.回顾性收集了2015年至2020年在宁波大学医学院附属医院住院期间,接受选择性冠状动脉造影的患者的临床数据,分别应用决策树、朴素贝叶斯和逻辑回归算法构建冠心病预测模型,比较3种模型的预测性能.共收集354例患者数据,其中冠心病患者140例,非冠心病患者214例,根据逻辑...     

基于深度学习的电力供需双侧协同优化的研究与应用

在光伏发电等可再生能源发电下,供需平衡能力问题应该在未来的电力系统中进行评估和解决。改进现有的平衡措施和新技术,如电力供需双侧协同和储能将解决这个问题。在这种情况下,远程电力系统供需分析应具有评估平衡对策的能力。基于负荷持续时间曲线的供需分析,与时间序列分析相比该方法具有一定的局限性。但有一个很大的优点是在维护各种电气设备时可以进行供需评估。采用机器学习和深度学习的模型,为预测消费者需求和分布式可再生能源提供了新的解决方案。提出的动力系统供需分析模型ESPRIT为电力供需双侧平衡提供了新的解决方案。     

基于红外光谱的城市生活垃圾高值化利用深度分选

红外光谱分析具有快速、精确度高等优点,在分类鉴别领域中发挥着重要作用.红外光谱在生活垃圾分类领域的应用主要集中在塑料等可回收垃圾而忽略了对不可回收垃圾的深度分选.现行生活垃圾的四分法分类中,源头分类得到的其他垃圾中含有多种具有高值化利用潜力的组分,可分为纤维素类、烯类聚合物、木竹类等.这些垃圾的成分和结构不同,因此具有...     

基于机器学习的气液相变换热反演及应用

相比于线性的热传导问题,气泡信息的快速获取,换热系数的预测、沸腾现象的非线性预测的问题研究目前仍极具挑战。本文使用卷积神经网络、深度前馈神经网络、经验关联式结合随机森林的数据驱动方法,进行气泡动力学行为的快速获取、相变换热系数的快速反演及沸腾特殊现象的预测。结果表明,数据驱动的机器学习方法能够快速准确地预测相变换热过程中的问题,气泡信息获取准确率达到96%,相变换热系数反演及特殊现象预测拟合优度均高于0.95。本研究可为相变换热反演问题提供新的解决思路。     

喷墨打印量子点薄膜：墨水溶剂的选择策略（英文）

喷墨打印制备的量子点（Quantum dots,QDs）薄膜形貌对多层发光器件的性能影响显著（如量子点发光二极管）,其中咖啡环与拱状形貌是典型的薄膜均匀性问题,通过液滴调控实现高质量QDs薄膜是发展量子点电致发光显示的关键。研究工作表明,通过溶剂实施的墨水调控被证明是改变沉积薄膜形貌的有效手段。然而,优化出可消除咖啡环或拱状形貌的墨水流变参数往往需要大量耗时的实验,墨水配制筛选效率低。本研究基于薄膜形貌分析结合机器学习方法,试图将溶剂流变参数与喷墨打印QDs薄膜形貌直接联系起来,并以红光QDs为溶质,以烷烃或直链酯类为溶剂,研究发现通常使用的一元溶剂和二元溶剂体系中,所使用溶剂的沸点比表面张力或粘度参数对薄膜沉积形貌的影响更加显著,在二元溶剂中薄膜形貌与沸点较高的溶剂组分密切相关。为得到厚度均匀的平整薄膜,建议一元溶剂墨水体系的溶剂或二元溶剂墨水体系中较高沸点的溶剂的沸点范围为250～265℃。     

基于机器学习技术的系统性金融风险监测预警

相对于传统的经济建模手段,机器学习方法具有良好的非线性建模性能等内在优点,从而显示出巨大的应用潜力。本文提出了一个基于机器学习技术的系统性金融风险监测预警体系,并从理论依据和实证检验双重角度给出了解释和验证。具体而言,从经济基本面、货币供给面、财政状况、证券和利率市场、价格指数、外汇和汇率市场、杠杆率及银行体系8个层面选取预测预警指标,并采用5种典型的机器学习模型及其集成模型对系统性金融风险进行预测,研究结果表明：(1)相对于传统的线性模型,善于捕捉非线性关系的机器学习模型,无论是在样本内还是在样本外均表现优异;(2)Lasso模型在向前一期预测时表现最好,SVM模型在向前多期预测时能力更强,集成模型则能兼顾样本内拟合效果和样本外预测能力,具有较强的稳健性;(3)PDP模型可以对特征的非线性性和重要性进行有效识别,从而有助于打开机器学习的黑箱;在所有预测预警变量中,汇率、货币供给量、市场利率以及工业品价格是影响系统性金融风险的关键因素,通过对这些重点变量的监测有助于对系统性金融风险进行早期防范。     

基于机器学习方法的快速射电暴分类研究

快速射电暴(FRB)是继伽马射线暴之后出现的持续时间更短的高能爆发现象,其分类、物理起源和辐射机制等基本问题目前尚不清楚。最新观测发现FRB大部分是一次性爆发事件,仅有极少量的重复FRB,人们就此把FRB简单分为重复暴和非重复暴。FRB清楚的分类对揭示它的物理起源至关重要。在本文中,我们首先使用流形学习降维算法t-分布随机近邻嵌入(t-SNE)对CHIME望远镜观测到的536个FRB进行了分类。结果发现FRB可以明显地分为两类,已经证认的重复暴属于其中一类,由此我们给出了152个重复暴候选体。其次,我们分析了两类暴的统计特性,发现重复暴候选体和已经证认的重复暴之间的统计特征高度相似,而重复暴候选体和非重复暴的多个物理量有着明显的不同,重复暴的各向同性峰值光度(L_iso)、各向同性能量(E_iso)和亮温度(T_B)的平均值都小于非重复暴,暗示着两类暴可能有不同的起源。另外我们还发现两类FRB的L_iso、E_iso和T_B之间都存在较强的相关性,且没有显著差异,表明...     

基于随机森林算法的多因子选股模型研究（英文）

尽管近几十年来量化投资得到了发展,策略也趋于多样化,但随之而来的还有各种问题和瓶颈,如数据选择,模型在金融市场的有效期过短.本文建立了一个基于随机森林算法的多因素股票选择模型.在该模型中,从6个不同维度中选择12个因子来构建因子库,并对因子数据进行预处理.在确定模型参数后,基于处理后的数据,对单个股票的预测和操作策略指导获得了可观的回报率,这为下面的投资组合构建奠定了基础.在投资组合的构建中,本文选择的股票池由更能代表中国股市的沪深300成分股组成.选取2013-01-01至2015-01-01两年的数据,包括12个入选因素和股票的上涨情况.为了在策略写作过程中尽可能地模拟真实情况,设置了滑动和手续费等影响因素.在模型的回测实验结果中,获得了25.5%的年化回报率.此外,根据特征在随机森林算法中的重要性和相关性分析,对影响因素和模型进行了进一步的改进,改进模型的年化收益率高达32.2%,超额收益率α达到15.1%,获得了较高的夏普比和较低的回撤率.     

基于仿真和数据驱动的先进结构材料设计

先进结构材料近年来受到材料和结构设计领域的广泛关注,这些材料一般通过多个尺度的结构设计实现各种卓越的性能.在早期的材料设计中,有的基于设计者的丰富经验,从天然拓扑结构中抽象出合理的数学力学模型;有的基于生物系统的结构和功能特点提取出仿生力学模型.然而,仅依靠经验性的巧妙设计很难得到最优的设计方案,通过反复迭代设计和试验...     

基于基因表达式编程的数据驱动湍流建模

计算流体动力学是湍流研究的重要手段, 其中雷诺平均模拟在航空航天等实际工程中得到了广泛应用. 雷诺平均模拟的结果很大程度上依赖于湍流模型的预测精度, 而实际工程应用中常用的模型往往精度有限. 近年来, 数据驱动的湍流建模方法得到越来越多的关注. 本文介绍了基于基因表达式编程 (gene-expression programming, GEP) 方法的湍流建模相关进展. 本文首先讨论基因表达式编程应用于湍流建模的具体方法, 包括基本算法、显式代数应力模型和湍流传热两种建模框架、模型测试方法以及损失函数设置等. 在此基础上, 基因表达式编程方法被应用于涡轮叶栅尾流混合、竖直平板间自然对流、三维横向流中的射流等问题. 结果表明, GEP可以有效提升常用模型对于尾流混合损失、壁面热通量等关键参数的预测精度. 基因表达式编程方法可以显式给出模型方程, 因此模型具有可解释性强等特点. 基于双向耦合方法得到的模型还被证明具有较好的后验测试精度和鲁棒性. 基因表达式编程方法还被初步应用于大涡模拟亚格子应力和边界层转捩等问题的建模, 在不同湍流建模领域表现出很大的潜力.