聚集数据线性模型广义聚集双参数估计的相对效率

对于聚集数据的线性模型,提出了广义聚集双参数估计的概念,给出了广义聚集双参数估计的两种相对效率,并得到了这两种相对效率的上界.     

基于网络媒体信息的传染病传播模型及其仿真研究

当一种突发传染病开始流行时,政府、媒体会以各种形式告知民众,有防范意识的民众将采取一定的防范措施来降低感染率.考虑面对一种突发传染病,将易感群体划分为具有防范意识和不具有防范意识两种群体,利用生命周期理论,分析网络媒体信息报道对传染病传播的影响,以此为依据建立一种改进的传染病传播模型(MSI).利用网络大数据得到对传染病有防范意识群体的观测值信息,利用神经网络技术对模型MSI的参数进行反演.然后对模型MSI数值仿真得到传染病传播过程,提出了相应的控制措施.     

一种面板数据分位数回归模型的工具变量方法

本文将工具变量分位数回归模型(IVQR)应用到面板数据中,结合Canay对面板分位数回归的两步估计法以及Chernozhukov对IVQR模型的估计方法,提出了两步面板分位数工具变量估计法(2S-IVFEQR),并给出相应的参数估计。本文提出的方法较已有的方法计算复杂度低,蒙特卡洛模拟结果显示在数据量不大或者处理长面板数据时,2S-IVFEQR方法要优于传统的IVFEQR方法,且运算时间短。     

比例响应数据的分位数回归建模

由于比例响应数据具有有界性、偏态性和异方差性等特征,基于常规的回归建模方法往往不尽人如意。本文基于分位数方法研究比例响应数据的回归建模及其统计推断问题,重点研究了半连续型比例数据的分位数估计方法,并给出了估计的大样本性质。数值模拟研究和实例分析验证了所提方法的有效性。     

应用图论分析与最优化理论来数据挖掘大规模水牛普里昂蛋白结构数据

图论、最优化理论显然在蛋白质结构的研究中大有用场. 首先, 调查/回顾了研究蛋白质结构的所有图论模型. 其后, 建立了一个图论模型: 让蛋白质的侧链来作为图的顶点, 应用图论的诸如团、 $k$-团、 社群、 枢纽、聚类等概念来建立图的边. 然后, 应用数学最优化的现代摩登数据挖掘算法/方法来分析水牛普里昂蛋白结构的大数据. 成功与令人耳目一新的数值结果将展示给朋友们.     

一阶自相关结构下椭球线性混合效应模型的约束推断（英文）

本文在椭球分布族下研究一阶自相关线性混合效应模型的约束极大似然估计问题.分别考虑位置参数在等式和不等式线性约束这两种情况下的极大似然估计值.同时对约束条件下的兴趣参数给出三种渐近等价的检验方法.蒙特卡洛模拟说明本文方法的有效性和稳健性.本文结合模型对Framingham心脏研究中的胆固醇水平进行了分析.     

基于面板模型的商品房价格影响因素的实证研究

选取了我国30个省市2006~2015年的面板数据,应用面板数据计量模型回归的方法,基于R语言对影响商品房价格的因素进行实证研究.首先,经过Hausman检验与F检验确定面板数据的模型为混合估计模型;模型可以通过十折交叉验证法、残差正太性的检验、Q-Q图检验、变量间共线性的检验;最后经过逐步回归分析,结果表明土地价格、商品房销售面积、居民可支配收入、人均国内总产值财政收入占地区生产总值比重、汇率这6个指标对商品房价格都有显著性的影响.其中,土地价格和居民可支配收入对商品房价格的影响最为突出.     

基于问题导向的药物分析实验多维教学设计探索

以药物分析实验课程为例,建立基于问题导向的多维教学设计,探究实验课程三体融合的教学模式。具体在教学大纲的基础上,从生活实际、实验宽度和深度方向多角度引出问题,以课堂实践为载体进行分析解惑。实践结果显示,问题式导学的多维教学设计较传统教学增加了实验的趣味性和系统性,在激发学生学习动机、培养学生实践能力和创新能力、对学生进行价值塑造等方面起着积极作用。     

文教融合，以学促保——以非物质文化遗产的保护传承在化学与社会课程中的呈现为例

非物质文化遗产是我国文化软实力“活”的呈现,为华夏璀璨文化提供根基和养分。本文以我国非物质文化遗产中所蕴藏的化学智慧为线索,让化学、科技、文化在化学类通识课程中相互融合碰撞,让课堂充满知识性与趣味性。论文通过文教融合,实现非物质文化遗产的保护传承,进一步助推非物质文化遗产文化现代化,在保护传承中创新,增强学生对非物质文化遗产的科技和文化自信,最终达到以学促保的目的。     

基于LSTM的浮选钼精矿品位软测量模型

战略性稀有金属钼矿品位低,组分复杂、嵌布粒度细等特点,其有价金属分离回收难。浮选作为微细粒钼矿分离回收的主要选矿方法之一,其浮选钼精矿品位一直是选厂的关键性产品指标。国内大多数选厂采取轮班制采样,人工化验得到精矿品位结果,但此方式严重滞后于浮选工艺,难以满足对生产过程进行实时监测和操作指导。LSTM是一种特殊的循环神经网络,引入门机制有效的传递或选择性遗忘长时间序列中的信息,解决RNN中的长期依赖、梯度消失和爆炸问题。本文分析整理东坡选厂中各平台源数据,结合选厂浮选工艺及机理,筛选出多个影响浮选钼精矿品位的变量作为模型输入;将输入变量进行异常值判定,缺失值填充和数据降噪等数据预处理,建立高质量浮选钼精矿品位数据库;软测量模型采用PyCharm软件编码,使用BatchNorm批量规范化处理样本数据,加入Dropout正则化防止过拟合,建立基于LSTM的浮选钼精矿品位软测量模型,通过前向传播算法更新神经网络结构参数,并于Linear模型和CNN模型的预测性能指标结果比较。结果表明：基于LSTM的浮选钼精矿品位软测量模型预测准确度高,样本数据误差波动平稳,浮动范围小,模型泛化能力强,模型平均绝对百分比误差MAPE为1.13%,均方根误差RMSE为0.7049%,决定系数R2为0.8763,实现了浮选钼精矿品位的在线预测。