动力学分光光度法测定药物中的华法林

在碱性介质中,华法林将紫红色的高锰酸钾还原成绿色的锰酸钾。基于这一反应,提出了测定华法林的新方法。此外,在绿色的锰酸钾的最大吸收波长608 nm和反应时间360 s下,研究了此反应的最优实验条件。在最优实验条件下,华法林的线性范围为0.5~6.0μg/mL,检测限为0.16μg/mL。将该     

基于SVM和LS-SVM的住宅工程造价预测研究

为在方案设计初期与工程造价相关信息很少的条件下,准确快速地预测住宅工程造价,在分析既往相关理论和方法优劣的基础上,选取支持向量机构建住宅工程造价预测模型,并通过主成分分析对原始数据进行降噪处理.选取住宅工程造价预测指标集与样本,对输入指标的数据进行主成分分析,消除指标相关性的同时对原始数据降维,将处理后的数据分别导入到"标准支持向量机"和"最小二乘支持向量机"模型中进行训练和预测,并对预测结果进行对比分析,选取较为合理的预测模型,通过参数寻优进一步优化预测效果.所构建预测模型的相对误差均控制在±7%以内,预测精度较高,结果稳定.     

图像处理设备的电磁兼容预测与工程应用

分析和测量了出现在三维图像处理设备上的电磁干扰信号，论述了如何在图像处理设备中建立电磁兼容预测模型及预测的工程方法，认真分析了设备中电磁骚扰源，骚扰途径和敏感设备的物理特点，并进行了电磁兼容预测计算，依据预测结果找出设备中的电磁兼容薄弱环节，分层次进行了电磁兼容综合的工程设计，经过实践达到了大型图像处理设备电磁兼容的目的。     

利用 GM( 1, 1)模型的数值解法 计算铁路噪声与振动的传播

铁路噪声在实际传播过程中的未知因素很多 ,难以建立较高精度的物理预测模型. 本文利用灰 色系统理论建立 GM (1, 1)预测模型 ,采用数值解法 (改进欧拉算法 )求解该模型 ,计算铁路噪声级和振 动级在与铁路垂直方向上按坐标分布的预测值 ,其结果与实测基本相符 ,预测精度达到一级.     

基于多软件融合方法的真核生物基因启动子预测

基于多个软件的预测结果,提出了一种融合方法(ComPromoter)提高真核生物基因启动子的预测精度.ComPromoter以ProKey、FirstEF和Eponine等软件对启动子的预测结果为基础,融合了可用于启动子识别的多个特征(包括ProKey预测结果中真阳性和假阳性的出现频率随投票距离以及预测分值变化的统计特征),并利用支持向量机构建了启动子预测模型.在人类ENCODE区域测试数据集上测试的结果显示,ComPromoter的Pearson相关系数CC值高于所融合的单个启动子预测软件.     

SVM回归法在汛期旱涝预测中的应用研究

研究基于统计学习理论的支持向量机（SVM）回归在汛期旱涝预测中的应用．根据浙江省38个测站的降水量资料，用正态化Z指数对汛期旱涝等级进行划分，得到了能够反映全省旱涝状况的指标．以此指标作为预测量，通过相关分析从前期大气环流场、海温场中选取高相关预测因子，应用逐步回归和SVM回归技术分别建立浙江省汛期旱涝短期气候预测模型，并进行了对比分析．结果表明：SVM回归模型集中了众多预测因子的预测信息，有效地利用了支持向量机方法的非线性映射能力，无论在历史样本拟合的精度上还是模型实际预测的能力上都比传统的逐步回归方法有一定提高，具有较好的应用效果．     

高效液相色谱法手性拆分和测定药片中华法林钠对映体

采用衍生化纤维素手性柱,实现了华法林钠对映体的基线分离。优化的流动相组成为乙腈-0.1%甲酸(4060,v/v),流速为0.5mL·min-1,进样量为10μL,柱温为20℃,检测波长为308nm,拆分时间在15min内。在此基础上,建立了一种定量测定药片中华法林钠对映体含量的新方法。两对映体的浓度与响应信号之间呈良好的线性关系,线性范围均为0.5～250μg·mL-1(r=0.999 2)。采用标准添加法测得药片中华法林钠两对映体的平均回收率范围为93.5%～101.1%(n=3),两对映体检出限均小于0.1μg·mL-1。该方法对华法林钠对映体的测定具有较高的选择性、灵敏度和重现性,在手性药物质量检测中有一定的应用前景。     

基于灰色预测模型的参数寻优方法及能源预测应用

能源电力是中国实现双碳目标的关键领域，精确预测未来能源供需及碳排放量，有利于制定低碳转型的可行路径。灰色预测模型GM(1,1)是在能源预测领域应用最为广泛的一种动态预测模型，但其对原始数据要求较高，且GM(1,1)发展系数α较大时，模型可能失效，另一方面，GM(1,1)的另一关键参数灰作用量u直接决定模型预测精度，如果能够找到更优的u值代入模型进行预测，则模型的精度将会显著提高，考虑到这些问题，本文将一种在实际优化问题中表现优良的新颖群体智能算法帝王蝶优化算法(Monarch Butterfly Optimization, MBO)引入到灰色预测模型关键参数α和u的寻优过程，提出了一种全新的灰色-帝王蝶优化预测模型，实现对天津能源供需及碳排放的准确预测，并依据预测结果制定天津2030年碳达峰的低碳转型路径，通过与已有经典文献方法与预测数据的对比，证实了本文所提出的灰色-帝王蝶优化预测模型的有效性和优越性。     

人工智能神经网络在新能源微电网中的应用

新能源微电网是较复杂的新型发配电系统.由于构成微电网的新能源风力发电的不稳定性,对微电网的稳定运行产生影响.使用人工智能方法预测负荷与风力发电量,能够提高预测精度,有利于微电网的能量管理与运行优化,对微电网的稳定运行具有重要意义.本文应用人工智能神经网络技术,建立基于RBF(Radial Basis Function)神经网络的短期负荷预测模型和风力发电量预测模型,分别对未来24 h的短期负荷与风力发电量进行预测.预测结果与实测值的误差验证了提出方法的有效可行性.结果表明,基于RBF神经网络的短期负荷预测方法与风力发电量的预测方法都适用于微电网系统.     

基于RNN-CNN集成深度学习模型的PM2.5小时浓度预测

针对目前大部分PM_2.5预测模型预测效果不稳定、泛化能力不强的现状,以记忆能力较强的循环神经网络（RNN）和特征表达能力较强的卷积神经网络（CNN）为基础,采取Stacking集成策略对两者进行融合,提出了RNN-CNN集成深度学习预测模型。该模型不仅充分利用时间轴上的前后关联信息去预测未来的浓度,而且在不同层次上将自动提取的高维时序数据通用特征用于预测,以保证预测结果的稳定性。最后,对集成之前的RNN、CNN和集成之后的RNN-CNN模型,以2016年中国大陆地区1 466个监测站点的空气质量数据为样本进行实例验证,结果表明,RNN-CNN在PM_2.5时间序列预测上的表现明显优于集成之前的RNN和CNN,而且泛化误差更低,在34%站点上的拟合度超过0.97,该模型可用于大范围区域的PM_2.5小时浓度预测。     

基于因素分析和SVM模型的江海联运运量预测方法

鉴于江海联运运量受众多因素的影响, 为了解决江海联运运量预测问题, 先对江海联运运量影响因素进行分析, 再用灰色关联度分析筛选出其中的典型因素. 在此基础上应用粒子群算法优化的支持向量机建立江海联运运量预测模型, 应用于宁波港域江海联运量的预测. 结果表明, 该模型与传统时间序列预测方法相比具有较高的拟合度和预测精度, 为解决江海联运运量等多因素非线性系统预测提供了一条新的途径.     

基于RNN-CNN集成深度学习模型的PM2.5小时浓度预测

针对目前大部分PM_2.5预测模型预测效果不稳定、泛化能力不强的现状,以记忆能力较强的循环神经网络（RNN）和特征表达能力较强的卷积神经网络（CNN）为基础,采取Stacking集成策略对两者进行融合,提出了RNN-CNN集成深度学习预测模型。该模型不仅充分利用时间轴上的前后关联信息去预测未来的浓度,而且在不同层次上将自动提取的高维时序数据通用特征用于预测,以保证预测结果的稳定性。最后,对集成之前的RNN、CNN和集成之后的RNN-CNN模型,以2016年中国大陆地区1 466个监测站点的空气质量数据为样本进行实例验证,结果表明,RNN-CNN在PM_2.5时间序列预测上的表现明显优于集成之前的RNN和CNN,而且泛化误差更低,在34%站点上的拟合度超过0.97,该模型可用于大范围区域的PM_2.5小时浓度预测。     

基于加权平均樽海鞘群算法和BP神经网络的COVID-19预测

新型冠状病毒肺炎以其高传染性和高致病性成为全球关注的问题之一.有效预测COVID-19的累计确诊人数对COVID-19的防控具有重要价值.本文提出加权平均樽海鞘群算法(AVSSA),通过23个基准函数验证了AVSSA的有效性,进而利用AVSSA优化BP神经网络建立预测模型AVSSA-BP,实现COVID-19的预测.实...     

基于CPSO-RVM的蒸发过程在线预测模型

针对密闭、长流程的蒸发过程由于待浓缩溶液黏度高或腐蚀性强、设备易结垢、工况变化复杂等原因引起的在线预测模型难以建立的问题,提出了一种基于混沌粒子群优化相关向量机(CPSO-RVM)的预测模型。基于贝叶斯学习框架构建了蒸发过程相关向量机预测模型,克服模型对核函数类型的限制和数据敏感性,在此基础上利用混沌粒子群算法对预测模型的核函数进行优化,获得计算量小、泛化性能优的在线预测模型。某厂实际蒸发过程生产数据的算例表明,在存在新蒸汽和原液干扰、设备结垢的整个清洗周期内,CPSO-RVM模型都能获得很好的预测效果,并且比偏最小二乘回归模型(PLSR)和最小二乘支持向量机模型(LSSVM)精度更高,能为实际蒸发过程的在线控制提供参考。     

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...     

电性拓扑态指数预测多氯代吩噁嗪的热力学性质

用电性拓扑态(E-state)指数表征了136个多氯代吩噁嗪类化合物的分子结构,采用多元回归方法对其热能值(Eth)、恒容热容(CV)、熵(S)、焓(H)、自由能(G)等热力学性质进行关联和预测,构建了5个用电性拓扑状态指数预测多氯代吩噁嗪热力学性质的构效关系相关(QSPR)模型,相关系数均大于0.999.利用Jack-knifed法检验了对标准熵预测模型的稳定性和预测能力,检验的相关系数r2也在0.999以上,预测值与文献值的相对平均误差为0.14%.该模型具有较好的稳定性、相关度和预测能力.     

两种不同方法下的矿井涌水量预测对比分析

水文地质参数影响矿井涌水,而在岩溶山区矿山中,含水介质的非均质性、各向异性特别突出,水文地质参数的获取难度很大.因此,文章以弱化水文地质参数的依赖性为目标,应用相关分析和灰色系统理论模型对老鹰山煤矿1995—2013年的矿井涌水量进行拟合,建立了回归方程模型和GM(1,1)模型,并利用2014—2016年数据对模型预测结果进行了验证.结果表明相关分析中老鹰山煤矿矿井涌水量与降雨量密切相关,相关系数为0.835,模型曲线显示是变化形态上的预测,预测模型的精度达87.19%;灰色系统GM(1,1)预测模型的精度良好为82.34%,适合于具有灰色特征的地质数据的模拟、控制和预测,模型曲线显示的是变化趋势上的预测;相关分析法比灰色理论法预测精度高.研究成果为岩溶山区矿井涌水防治提供可靠技术支撑.     

基于灰理论的电力负荷预测模型

针对小样本数据,提出基于GM(1,1)模型进行电力负荷预测模型,并通过实例表明该模型在电力负荷预测中的可行性;开发了基于GM(1,1)模型的电力负荷预测系统,实现了在实际工作中所要求的数据录入、查询、分析和预测功能。     

基于小波分析的金融时间序列消噪方法及应用

利用小波在信号消噪方面的应用,结合时间序列的预测模型,提出了一种基于小波分解的消噪预测模型,并将其与原预测模型进行比较.最后的比较试验结果发现,应用消噪后的数据进行模型预测比原始数据进行直接预测相对误差更小,从而精度更高.     

基于SVM的固化土无侧限抗压强度模型

为实现较少试验次数下固化土无侧限抗压强度(qu)的准确预测, 提出了基于支持向量机(SVM)的固化土qu的预测模型. 以固化剂各组分掺入比、龄期、初始含水量、固化剂掺量等因素为输入量, 固化土的qu作为输出量, 以径向基为核函数, 采用网格搜索法和交叉验证法进行参数优化, 建立了基于SVM的固化土qu的预测模型. 算例分析表明: 该模型适用于任意条件下固化土qu的精确预测, 且在较小试验成本下实现与响应面法相当的预测精度.