大数据背景下水厂自动投矾模型研究

根据某市自来水有限责任公司第二水厂的历史矾耗数据，建立矾耗流量关于原水浊度、温度等的动态矾耗模型. 通过对数据进行处理得到10900个合格且净水效果高效的数据，将筛选出的数据分为训练样本集和测试样本集. 在回归拟合中，通过拟合R2的大小将原水浊度划分为“低浊”“中浊”“高浊”3个区间，利用泰勒展开公式的非线性变量代换分别对3个区间建立不同的多项式回归模型，得到预测正确率约为72%，总的矾耗流量值约减少了9.6%的结果；在随机森林模型中，使用10900个合格数据，利用训练样本集，以“原水浊度”“pH值”“原水流量”和“水温”为输入变量，建立包含2000棵决策树的随机森林模型，得到预测正确率约为44. 21%，总的矾耗流量值增加了0.04%的结果. 从模型对合格数据的拟合优度看，随机森林模型比非线性回归模型效果更好；在平均绝对误差、平均绝对偏差百分比等评价指标上，前者均优于后者；但从历史数据检验的结果，模型的可解读性，模型的操作难度和推广角度看，分段二元非线性回归模型的优势更为突出.     

从定理的简单证明中启发学生的创新思维

这篇文章从目前线性代数教学改革和教学实际出发,对课堂教学进行研究,力求提高课堂教学效率,培养学生的创新思维。为此,提供了三个定理的新的简单证明方法。用启发式教学达到了三个主要目的：1.培养学生的创新思维;2.调动学生的学习积极性;3.提高课堂教学效率。     

基于时间序列的长沙市PM2.5的统计分析

通过对长沙市2015年AQI检测指标数值PM2.5与SO_2,NO_2,PM10,CO,O_3间相关性进行分析,得到PM2.5与SO_2,NO_2,PM10,CO间存在正相关关系,与O_3间为负相关关系.后建立自回归移动平均模型(ARMA)对长沙市2015年的PM2.5进行短期预测,得到最优模型为ARMA(3,2).最后对长沙治理PM2.5提出相关建议.     

随机环境下一类时序模型的伴随非常返性

提出了一个随机环境下的时间序列模型,应用马氏链的随机稳定性理论,讨论了该模型确定的序列{Xn)的概率性质,给出了{Xn}为伴随非常返的充分性条件.     

浅议创新思维在高等数学多维立体教学中的应用

本文探索了高等数学的多维立体教学方法,即结合多媒体课件、案例教学和实验教学,实现以教师为主导,学生为主体的主客体相结合的教学思想．