基于改进粒子群算法优化BP神经网络的甜菜产量预测方法

通过分析影响甜菜产量的自然因素,选取6个主要影响因子应用于一种改进粒子群算法优化BP神经网络的预测模型.首先,在标准粒子群算法(Particle Swarm Optimization,PSO)中引入自适应惯性权重的方法增强搜索能力并且提高收敛速度,使用反向逃逸策略避免早熟现象的发生;将改进的粒子群算法引入到BP中形成N...     

基于条件生成式对抗网络的油藏单井产量预测模型

为克服机器学习方法在油藏单井产量预测中的过拟合问题,提高油田生产中的产量预测精度,提出一种基于条件生成式对抗网络(CGAN)的油藏单井产量预测模型。该模型使用长短期记忆、全连接等基础神经网络,构建生成和判别网络模型。生成网络模型以产量影响因素为条件输入,生成预测产量数据,利用对数损失函数评价预测数据与真实数据之间的偏差,通过条件生成式对抗网络的博弈训练,并结合贝叶斯超参数优化算法,优化模型结构,综合提高模型的泛化能力。基于Eclipse数值模拟软件建立同一井网条件下不同地质和生产条件下的油藏单井产量数据库,以地质与生产条件等产量影响因素作为模型的条件输入,进行油藏单井产量预测。结果表明：与全连接神经网络(FCNN)、随机森林(RF)以及长短期记忆神经网络(LSTM)模型的预测结果相比,CGAN模型在测试集上的平均绝对百分比误差分别提升了2.59%、 0.81%以及1.72%,并且过拟合比最小(1.027)。说明CGAN降低了机器学习产量预测模型的过拟合程度,提高了模型的泛化能力与预测精度,验证了所提算法的优越性,对指导油田高效开发和保障我国能源战略安全具有重要意义。     

考虑道砟侵切土质路基的有砟轨道离散元-有限元耦合方法

论文考虑有砟轨道道床结构中底层道砟颗粒会逐渐侵切土质路基上表层的实际情况,引入基于双曲线函数的土阻力公式,发展了离散元颗粒与有限元网格体内耦合的接触力算法,建立了考虑道砟颗粒侵切路基表层的有砟轨道离散元-有限元耦合模型.其中道床中的非规则形状道砟采用离散元镶嵌单元构造,路基采用有限元20节点六面体实体单元构造.分析了道...     

电拓扑状态预测有机磷酸酯类化合物的气相色谱保留指数

以原子类型电拓扑状态指数(ETSI)有效表征35个有机磷酸酯类化合物(OP)的分子结构, 应用基于预测的变量选择与模型化(VSMP)方法建立OP化合物在3种不同固定相上的气相色谱保留指数(RI)与分子结构(ETSI)的定量相关模型. 结果表明, 影响不同固定相上OP色谱保留的主要结构因素都是由7个ETSI描述子对应的子结构碎片, 即: ＝CH₂,≡C—, aaC—, ＝O, —O—, Cl和Br. 其中子结构aaC—, ＝O和—O与OP化合物母体骨架密切相关, 而＝CH₂,≡C—, —Cl和—Br反映支链或取代基的变化. 通过多元线性回归法建立OP化合物在三个固定相上的定量结构-保留相关模型(QSRR)发现, 各QSAR模型的估计相关系数均在0.99以上, LOO检验相关系数在0.98以上, 表明模型具有良好估计能力与稳定性. 应用28个OP训练集样本构建的QSRR模型预测外部7个检验集RI结果表明训练集模型具有良好预测能力.     

融合图卷积神经网络和注意力机制的PM2.5小时浓度多步预测

PM_2.5小时浓度多为单步预测。为实现PM_2.5小时浓度的多步预测,基于“编码器-解码器”的序列-序列预测（Seq2Seq）模型,集合图卷积神经网络提取非欧式空间数据特征的能力以及注意力机制自适应关注特征的能力,提出了融合图卷积神经网络和注意力机制的PM_2.5小时浓度多步预测（GCN_Attention_Seq2Seq）模型。并与Seq2Seq模型和使用了图卷积神经网络、未使用注意力机制的GCN_Seq2Seq模型进行了对照,以2015—2016年北京市22个空气质量监测站点的空气质量数据为样本进行实例验证,结果表明,Seq2Seq模型和图卷积神经网络（GCN）可对PM_2.5小时浓度数据的时空依赖进行有效建模,注意力机制有助于减缓多步预测中的预测精度衰减,提升PM_2.5小时浓度多步预测的精度。GCN_Attention_Seq2Seq模型可有效应用于多种长度的PM_2.5浓度预测窗口。     

RM不稳定过程中预混火焰界面演化及混合区增长预测

预混火焰界面的RM (Richtmyer-Meshkov)不稳定导致的界面混合区增长过程在自然界和工程实践中十分常见,但化学反应对其增长的影响机理仍不明确,反应性界面混合区增长速率的预测也未见报道, 因此,开展RM不稳定过程中火焰界面演化和混合区预测的研究十分必要.本文采用带单步化学反应的Navier-Stokes方程和高精度数值格式,研究了正弦形预混火焰界面在平面入射激波及其反射激波作用下的RM不稳定过程.结果表明, 在入射激波作用后的阶段,除RM不稳定本身导致的界面演化为"钉-帽"和"泡"形结构外,化学反应一方面以预混火焰传播的方式促进了界面中"泡"结构的增长,另一方面通过与涡结构的复杂相互作用促进了"钉-帽"结构的增长.化学反应活性越强, 火焰界面的"泡" 结构和"钉-帽"结构的增长越快.在第一次反射激波作用后的阶段,化学反应以相同的火焰传播方式对"泡"和"钉-帽"结构产生影响, 两者效应相抵,因而导致反射激波作用后的阶段中界面混合区增长不受化学反应活性的影响.根据以上分析,分别针对入射激波和第一次反射激波作用后的火焰界面混合区增长速率提出了相应的预测模型,为探索反应性RM不稳定过程的理论预测方法提供了有益参考.      

耦合火焰不稳定的爆炸超压预测

基于火焰不稳定和爆炸超压的耦合机制,通过向光滑火焰模型中引入褶皱因子,建立了褶皱火焰模型和湍流火焰模型,对密闭燃烧室内爆炸超压进行理论预测,且对比了绝热压缩和等温压缩对爆炸超压预测的影响规律。结果表明:在增强的流体动力学不稳定作用下,膨胀火焰失稳加剧,且在定容燃烧阶段形成胞状火焰;光滑火焰模型忽略了火焰不稳定,爆炸超压理论预测值比实验值偏低,且等温压缩下超压预测值低于绝热压缩下的预测值;湍流火焰模型高估了火焰褶皱程度,超压预测值远高于实验值;褶皱火焰模型可成功预测丙烷/空气爆炸压力和燃烧室体积V=25.6 m3的甲烷/空气爆炸压力;对于甲烷/空气爆炸,燃烧室体积V≤1.25 m3时,实验压力值介于褶皱火焰模型和绝热光滑火焰模型预测值之间。     

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.     

植物体系中甲酯酶的底物专一性的理论研究

酶对天然底物的高度专一性是酶的特点之一. 然而关于酶是如何对底物具有高度专一性以及识别能力, 我们的理解仍然缺乏. 本文以植物体系中发现的一组甲酯酶(MESs)对一些底物[包括水杨酸甲酯(MeSA), 茉莉酮酸甲酯(MeJA)和吲哚-3-乙酸甲酯(MeIAA)]的催化反应为例, 报道了同源建模和理论计算对茉莉酮酸甲酯酶(AtMES10)和水杨酸结合蛋白2(SABP2)的研究结果. 基于简单的锁-钥匙理论(底物与酶结合时不发生基团的碰撞或严重排斥), 以底物对接到酶的活性部位(即底物中—COO的一部分占据可被催化丝氨酸亲核进攻的位置) 为原则, 可以在空间上为酶对底物的专一性提供解释. 模拟结果表明, SABP2可对MeSA有高活性, 对MeJA和MeIAA有低或无活性; AtMES10可对MeJA有高活性, 而对MeSA和MeIAA有低或无活性, 这与实验结果相一致. 因此, 相关酶的结构预测与计算机模拟对了解酶的底物专一性具有重要的意义.     

人工神经网络用于锕系离子An3+水解常数pK1预测研究

０引言水解常数是金属离子水溶液化学的基础数据，对于研究水溶液中离子的状态以及进一步研究其在水溶液中的其它化学行为是必不可少的。一般金属离子（包括镧系金属离子）的水解常数数据相对较为完善，对它们水解的规律性也有不少研究，但锕系金属离子的水解常数数据迄今较缺乏，特别是重锕系的水解常数数据基本空缺犤１～５犦。这主要是因为锕系多为放射性元素，重锕系则基本是人工元素，被发现或合成较晚，即使通过核反应合成，量也往往极少（常以多少个原子个数计算），且半衰期大多很短，因而从获取样品到进行有关化学研究都相当困难。…