基于SVR和k-近邻群的组合预测在QSAR中的应用

为提高定量构效关系(QSAR)研究的预测精度,发展了一种新的基于支持向量机回归(SVR)非线性筛选分子结构描述符、基于k-近邻群的非线性组合预测方法.首先以均方误差(MSE)最小为原则,以留一法通过多轮末尾淘汰实施分子结构描述符的非线性SVR汰选并给出最优核函数和相应保留描述符;其次基于待测样本与训练样本保留描述符向量的欧氏距离,以不同k-近邻群子模型双重留一法预测值反映样本集的异质性;然后基于MSE最小,以留一法通过多轮末尾淘汰实施近邻群子模型的非线性SVR汰选并给出最优核函数和相应保留子模型;最后基于保留子模型以双重留一法实施组合预测.以取代苯胺和苯酚类化合物对大型溞的QSAR实例验证表明:新方法在所有参比模型中预测精度最高,且能更精细地反映描述符与化合物毒性间的非线性关系,具结构风险最小、非线性、适于小样本,能有效克服过拟合、维数灾和局极小,非线性筛选描述符和子模型,非线性组合预测,自动选择最优核函数及其相应参数,泛化推广能力优异、预测精度高等诸多优点,在QSAR研究中有广泛应用前景.     

基于时空图注意力网络的跳高轨迹预测

跳高运动由助跑、单脚起跳、越过横杆落地等一系列动作组成,跳高运动轨迹是一个复杂的因果系统.在每一个时间节点,运动员的身体姿态符合一定的规律约束.研究建立了跳高运动过程中关键身体关节节点坐标依时间变化的离散过程模型,每个时刻的各关节点位置向量由给定的之前若干个时刻的运动员关节点位置决定.跳高运动员肢体的摆动、关节点位置的变化都对运动员位移有重要作用.运动员重要关节点之间的相互作用,使得跳高运动轨迹难以刻画和预测.随着深度学习的发展,图神经网络在时空特征刻画和预测上具有优势.基于时空图注意力网络结合长短时记忆网络、门控循环单元(STGAT-LSTM、STGAT-GRU)建立了具有空间位置约束的跳高运动员关节点位置随时间变化的模型,用于推算跳高运动员重心和关节点位置轨迹.实验结果表明该模型能够很好地刻画跳高运动的过程,对于关节点位置的预测能够达到较好的效果.研究所提出模型的预测效果比基线模型准确性提高了0.02-0.03米.研究给出了基于神经网络模型进行跳高运动轨迹预测的可行解决方案,可作为跳高运动仿真和技术优化研究的重要参考.     

基于驱动分析的LSTM干旱预测模型研究

干旱是世界上影响面最广、造成损失最大的自然现象之一.论文利用1961-2020年黄河流域河南段的逐月气象数据,计算不同时间尺度的标准化降水蒸散指数(SPEI),在Copula熵的基础上根据Hampel准则选择干旱驱动因子,构建多变量长短时记忆(LSTM)神经网络预测模型.结果表明:以驱动分析选择出的水汽压、湿度、温度及降水量作为输入变量集的多变量LSTM模型预测精度较高;预测精度随着SPEI时间尺度的增大而提高,尤其对长期干旱有较好的预测效果;黄河流域河南段的东部地区有发生轻、中度干旱的风险,为相关部门制定防旱措施提供依据.     

基于IOWC-GOWMA算子和指数支撑度的区间型组合预测模型北大核心

将连续区间的广义有序加权多重平均(C-GOWMA)算子和诱导有序加权平均(IOWA)算子相结合,提出一种新的诱导有序加权连续区间广义有序加权多重平均(IOWC-GOWMA)算子,该算子同时考虑区间数自身、数据位置两个因素,可以将区间数转换成实参数,进一步构建基于IOWC-GOWMA算子和指数支撑度的区间型组合预测模型。最后通过实例分析说明该区间组合预测模型的合理性和有效性,并对参数进行了详细的灵敏度分析。     

基于物联网的医用耗材智能屋管理系统

针对医用高值耗材种类繁多、管理难度大的问题,为减少人力成本、提高医用高值耗材的智能化管理水平。本文提出了基于物联网的高值医用耗材智能屋的管理系统,介绍了智能屋的整体架构、系统功能、核心业务及流程设计,主要分为结构模块、RFID模块、数据库模块、控制系统模块四大模块,具体有用户管理、出入库管理、综合查询、预警管理四大业务,通过GM(1,1)模型对2022年全年高值医用耗材的月消耗量进行预测分析,并且检验得该预测模型的精度等级为一级,模型预测效果很好,能够为医院采购人员采购提供了一个参考,避免因过度的主观估计而造成的耗材浪费。该系统能够有效地提高医院对于高值医用耗材的管理水平,减少人力、物力和财力的消耗,为广大患者提供更加优质的医疗服务。本文所提的高值医用耗材智能屋管理系统解决了传统的高值医用耗材管理的诸多难题。     

基于新型核与灰度序列的时滞GM(1,N)模型及其应用

为了解决GM(1,N)模型在新型核与灰度的基础上,对驱动项的延迟作用机理不明确的问题,将时滞参数引入到GM(1,N)模型的驱动项中,构建了基于新型核与灰度的时滞GM(1,N)模型,分析了时滞参数的辨识方法,讨论了新模型的建模机理。为了更好地对该模型的有效性进行验证,将优化的时滞GM(1,N)模型对南京市的雾霾进行预测分析,选择GM(1,N)模型、一元回归模型与文中的优化模型进行对比。结果显示,优化模型对PM₁₀浓度的拟合精度更高,且误差均控制在5%之内,从而验证了提出的优化模型适用于具有时滞特征数据的模拟和预测。     

基于储量结构变化的油田开发指标预测与优化数学模型研究

大型油田开发过程中,随着不同类型新储量的不断投入,地质储量结构发生变化,表征油田整体开发技术与经济效果的关键性指标,如产量、可采储量、采收率、储采比、开发成本与操作成本等等也随之改变,其变化规律可用一套数学模型来描述。在开发指标预测基础上,运用多属性决策方法如TOPSIS,可以实现新投产区块组合方案的优选。应用实例表明,本文方法实用、操作性强,可以为油区开发决策提供重要方法与手段。     

灰色GM(1,1,k,k2)模型背景值及时间响应函数优化

本文提出了一种新的带有时间幂次项的灰色GM(1,1,k,k²)模型,给出了其灰微分方程和白化微分方程基本形式。基于最小二乘法获得了该模型参数估计值,并推导了该模型时间响应函数。鉴于GM(1,1,k,k²)模型灰微分方程与白化微分方程之间存在跳跃关系,首先对灰微分方程的背景值进行了优化,并推导了优化后的背景值计算公式。为了克服初始值的影响,根据误差平方和最小,进一步优化了GM(1,1,k,k²)模型时间响应函数。最后,该优化后的GM(1,1,k,k²)模型被应用于软土地基沉降预测,获得了较好的模拟预测效果,说明模型是可行的。     

基于统一灰色生成算子的三参数离散灰色预测模型及其应用

现有三参数离散灰色预测模型的累加阶数取值范围局限于正实数,导致模型建模能力和作用空间受限。为此,论文首先引入实数域统一灰色生成算子;然后,基于统一灰色生成算子构造了新型三参数离散灰色预测模型,实现了其阶数从正实数到全体实数的拓展与优化,从而使得新型模型具备挖掘时序数据积分特性与差异信息的双重功能;最后,将该新模型应用于某装甲装备维修经费的建模,结果显示其精度优于其它同类灰色模型。本研究成果对完善灰色算子基础理论及提高灰色预测模型建模能力具有重要价值。