基于非线性梁理论的有限质点法

有限质点法是以向量式力学为基础,用有限数量的质点来模拟结构的变形行为,质点的运动由牛顿运动定律来计算。在有限质点法中,质点通过构件相连,构件约束着质点的运动,并且其内力由质点的运动变量来描述。基于向量式力学的基本思想和非线性梁理论,提出了一种新的有限质点法,该方法在共旋单元坐标系中描述梁的非线性变形。以空间梁系结构为例,推导了计算构件内力的非线性公式,并考虑了弯扭耦合变形。通过两个连续欧拉角的变换公式得到共旋坐标系的旋转矩阵。与传统的有限质点法相比,本文提出的方法避免了刚体虚转动分析。通过四个结构的数值求解,验证了本文方法在计算结构大变形响应时具有较高的精度。     

基于荧光光谱的苹果汁品种产地分类研究

苹果的品种对于苹果汁的质量是极其重要的,因此检测苹果汁的品种产地对于打击假冒伪劣产品,维护消费者的合法权益是十分有必要的。本文采集了云南和陕西两个区域的不同品种的苹果所榨的89份苹果汁的荧光光谱,其中62个样品作为建模集利用支持向量机进行了建模并进行交叉验证,识别准确率为100%。剩余的27个样品作为验证集对模型进行验证,识别准确率为96.3%。实验结果证明荧光光谱结合支持向量机技术是一种可靠的检测果汁品种产地的技术手段。     

两种电机滚动轴承故障诊断方法对比研究

分别将集成经验模态分解(Ensemble Empirical Mode De-composition,EEMD)、经验小波变换(Empirical Wavelet Transform,EWT)、排列熵(Permutation Entropy,PE)、支持向量机(Support Vector Machine,SVM)方法...     

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.     

基于支持向量机方法的HERG钾离子通道抑制剂分类模型

对human ether-a-gō-gō related genes(HERG)钾离子通道(钾通道)抑制剂,计算了表征分子组成、电荷分布、拓扑、几何结构及物理化学性质等特征的1559个分子描述符.采用Fischer Score(F-Score)排序过滤和Monte Carlo模拟退火法相结合从中筛选与HERG钾通道抑制剂分类相关的分子描述符.采用支持向量机(SVM)方法,分别以IC50=1.0、10.0μmol·L-1为分类标准,建立了三个分类预测模型.对367个训练集分子,用五重交叉验证.得到正、负样本的平均预测精度分别为84.8%-96.6%、80.7%-97.7%,其总的平均预测精度为87.1%-97.2%,优于其它文献报道结果.对97个外部测试集分子,所建三个模型的总样本预测精度在67.0%-90.1%之间,接近或优于其它文献报道结果.     

拉曼光谱法快速检测掺入梨汁的浓缩苹果汁

应用便携式拉曼光谱仪结合化学计量学技术建立了浓缩苹果汁掺入梨汁的快速检测方法.实验表明,苹果汁和梨汁的拉曼特征频率相同,给出了特征频率及其对应的分子振动模式.发现苹果汁和梨汁在866 cm-1和1 126 cm-1处的拉曼光谱有微小差别,这可能由于苹果汁和梨汁中果糖异构体含量不同所致.用支持向量分类机(SVC)中的4个核函数对19个苹果汁、梨汁样本进行有效鉴别,准确率达100%,并使用支持向量回归机(SVR)对掺入不同含量梨汁的苹果汁样本进行建模预测,大部分样品相对误差在10%以内.     

利用油水稳定化和支持向量回归增强近红外光谱测定油中水分的方法

近红外光谱(NIRS)可以检测溶解于油中的水分含量,但油中水分较多时会散射而非吸收NIRS,从而引起较大误差。为此,筛选非离子型表面活性剂(Span-80)将含水油液稳定分散成小颗粒,利用其NIRS数据建立水分含量的支持向量回归模型。实验中油水稳定化将NIRS测定变压器油中水分含量的上限从传统的0.1%提升到1%(V/V),通过应用连续投影算法,在511个NIRS变量中筛选出15个有效变量(占原变量的2.9%),建立的支持向量回归模型对验证集的预测均方根误差为2.93%,相关系数为0.9944,相对分析误差为9.4732。     

应用化学"113"人才培养体系的探索

In order to bridge the gap between the supply and the demand of talent cultivation, the existing talent cultivation system of applied chemistry specialty is reformed and a new "113" talent cultivation system is guided by Outcome-Based Education (OBE) education. The advanced engineering education mode is adopted to provide students with an engineering education based on the background environment of the conceptual-design-implementation-operation (CDIO) process. The characteristic "three modernizations" education mechanism, namely, cooperative education, family training and personalized guidance, are implemented. By building a new system of "113" talents training, an engineering talent training environment is formed, which takes the family as a unit, the enterprise as the background, and the project as the carrier. The problem of separating the supply from the demand of talents training for applied chemistry specialty will be fundamentally solved.     

基于QSAR模型的有机磷化合物毒性预测

随着有机磷化合物(OPs)的广泛应用,其在越来越多的环境介质中被检测出来。大多数OPs具有毒性,但人们缺乏快速且有效的预测手段来对毒性进行评估。本文将结合E-Dragon软件计算的分子描述符,采用不同的QSAR模型对36个OPs的毒性进行预测。文中采用后退法作为描述符筛选方法,以均方根误差(RMSE)作为评价标准,共找到14个对线性核函数支持向量机(SVM)模型贡献较大的描述符;在最终得到的SVM模型交叉验证结果中,计算值与实际值的相关系数为0. 913,均方根误差为0. 388;外部测试验证结果中,平均相对误差为9. 10%。此外,采用多元线性回归(MLR)、人工神经网络(ANN)以及偏最小二乘回归(PLS)模型对OPs的毒性进行预测,交叉验证结果显示,三个模型的计算值与实际值的相关系数分别为0. 878、0. 686与0. 620,没有SVM模型的预测能力好。因此采用线性核函数的SVM模型对OPs进行毒性预测是一个行之有效的方法。     

退化系统本征值、本征向量的摄动计算

本文通过估计参数改变后相重(或相近)本征值对应的本征向量的可能方向,给出了退化系统本征值、本征向量的摄动计算方法.