基于BP神经网络的六边形孔阵耦合截面的预测

孔缝耦合截面作为度量电磁能量经孔缝泄漏强弱的重要参数,一直没有一个普适快速且精度较高的获取方法。针对六边形孔阵归一化耦合截面的获取问题,分析了垂直入射条件下各因素对六边形孔阵耦合截面的影响,选择合适的参数并使用全波分析法共获取13820组耦合截面数据。对部分输入参数进行预处理后输入神经网络进行训练,构建了一个以孔单元电尺寸、行/列数、行/列间距电尺寸、孔壁厚度电尺寸、入射波极化角度等7个参数为输入,归一化耦合截面为输出的BP神经网络模型。该模型在预测电尺寸为[0.1,1.2]时的归一化耦合截面平均相对误差为3.8%。选取未出现在神经网络训练集与测试集中的输入参数,比较全波分析法计算值和神经网络预测值共480组数据,其平均相对误差为7.27%。最后通过实验测量,进一步验证了该模型的普适性和有效性。     

FPSO原油外输光电辅助决策系统的设计与应用北大核心CSCD

针对浮式生产储卸油装置(FPSO)串靠外输作业期间风浪流突变易造成FPSO与穿梭油轮发生大角度偏移,以及系泊大缆破损发生碰撞事故等问题,开发一套用于在FPSO外输作业期间实时监控风浪流、系泊大缆拉力、FPSO与穿梭油轮之间相对位置的系统。基于光学探测设备的监测数据,集成FPSO上已有的风浪流数据和系泊大缆拉力,采用数值模拟方法建立FPSO与穿梭油轮之间夹角的预测数学模型,实现系统实时监测、预测及预警等功能。现场测试结果表明:系统监测数据延迟≤0.5 s,距离测量误差≤0.4 m,夹角测量误差≤0.2°,120 s内夹角预测精度≥80%,满足工程应用需求,为实现FPSO外输作业智能化提供了技术参考。     

蛋白质-RNA相互作用界面预测与设计

蛋白质-RNA之间的相互作用是蛋白质在细胞里面行使功能的重要方式之一. 结构生物学家利用实验手段可以得到蛋白质-RNA复合物的三维结构, 通过原子水平的晶体结构来解释蛋白质与RNA的识别过程. 但实验取得蛋白质-RNA的复合物结构非常困难, 耗钱、耗时, 同时受限于其相互作用强度. 因而利用理论的方法对蛋白质-RNA相互作用界面进行预测与设计在生物医学研究中十分重要. 本文主要综述了近期蛋白质-RNA相互作用界面预测与设计方面的进展, 包括以下几个方面: (1) 蛋白质-RNA分子对接算法以及对接前后存在的构象变化的处理; (2) 蛋白质-RNA 识别机制的研究; (3) 基于蛋白质-RNA 相互作用界面的分子设计. 蛋白质-RNA分子对接算法逐步完善将有助于我们对大量未知功能的蛋白质与RNA进行功能注释, 而基于生物大分子相互作用界面的分子设计将在药物设计领域中有广阔的应用前景.     

蛋白质表面模块划分及其在结合位点预测中的应用

蛋白质-蛋白质复合物的结合位点预测是计算分子生物学的一个难题. 本文对蛋白质-蛋白质复合物数据集Benchmark 3.0 中的双链蛋白质复合物进行了研究, 计算了单体的残基溶剂可接近表面积和残基间的接触面积, 并据此提出了蛋白质表面模块划分方法. 发现模块的溶剂可接近表面积与其内部接触面积的乘积(PSAIA)值能够提供结合位点的信息. 在78 个双链蛋白质复合物中, 有74 个体系其受体或配体上具有最大或次大PSAIA值的模块是界面模块. 将该方法获得的结合位点信息应用在CAPRI竞赛Target 39 的复合物结构预测中取得了较好的结果. 本文提出的基于模块的蛋白质结合位点预测方法不同于以残基为基础且仅考虑表面残基的传统预测方法, 为蛋白质-蛋白质复合物结合位点预测提供了新思路.     

摇摆条件下自然循环系统流量混沌脉动的检验与预测

利用替代数据法检验了摇摆条件下自然循环系统不规则复合型脉动的混沌特性, 并在此基础上进行混沌预测. 关联维数、最大Lyapunov指数等几何不变量计算结果表明不规则复合型脉动具有混沌特性, 但是由于计算结果受实验时间序列长度的限制和噪声的影响, 可能会出现错误的判断结果. 为了避免出现误判, 在提取流量脉动的非线性特征的同时, 需要用替代数据法进一步检验混沌特性是否来自于确定性的非线性系统. 本文用迭代的幅度调节Fourier 算法进行混沌检验, 在此基础上用加权一阶局域法进行混沌脉动的预测. 计算结果表明: 不规则复合型脉动是来自于确定性系统的混沌脉动, 加权一阶局域法对流量脉动进行混沌预测效果较好, 并提出动态预测方法. 关键词： 混沌时间序列 替代数据法 实时预测 两相流动不稳定性     

星上大视场TDICCD相机的多光谱图像无损压缩系统

提出了一种适于成像谱段数相对较少的多光谱TDICCD图像的无损压缩系统。所提出的压缩系统主要分为两步:第一步采用SPE架构的5/3提升整数小波变换去除空间冗余;第二步根据小波系数统计依赖性模型对小波系数进行预测,来消除残余空间冗余和小波系数的谱段冗余。然后将其与预测值做差进而得到预测残差,同时将预测残差进行熵编码得到最终的压缩码流。最后,使用地检检测设备对多光谱TDICCD图像无损压缩系统进行了试验验证。结果表明,压缩系统能快速、可靠稳定地工作,无损压缩比达到1.544 bits/pixel,比现有压缩系统压缩比提高了0.336 bits/pixel。相机工作在不同的侧摆下,压缩系统可以稳定正常地工作,压缩一帧图像最大耗时仅为26.446 ms。本文所提出的压缩系统有效地解决了多光谱TDICCD图像无损压缩比低和压缩算法整体硬件实现困难的问题。     

山东省粮食产量预测研究

山东省是我国的农业大省,粮食问题在全省经济社会发展中始终处于重要位置,在全国粮食安全的大局中也发挥着重要作用.因此提前预测山东省粮食产量对确保全国粮食安全有着重大的意义.首先运用协整检验等方法对山东粮食产量的影响因素进行分析;其次,利用1980-2011年的山东省粮食生产相关数据和2012年山东省粮食生产调研数据,应用ARMA和OLS方法相结合构建了多个山东省粮食产量预测模型;然后应用建立的预测模型,结合专家经验法对2012年的山东省粮食产量进行预测.预测结果表明:2012年山东省粮食产量将达到4538万吨,有望实现十连增.最后,提出了确保山东粮食增产的相关政策建议.     

加权马尔可夫模型在年降水量上的预测应用

降水是气象预测的重要环节,并在人类的生产生活中扮演着越来越重要的角色.以南京市1971-2011年的年降水量为依据,通过运用加权的马尔可夫模型,分别对其2010、2011年的降水量状态进行预测,并运用向量叠加法来预测出这两年的年降水量具体数值.分析结果表明,该模型在降水量预测方面的应用是可行的,能够有效的提高中长期降水量预测的精度.     

BP神经网络在农机总动力预测中的应用

准确的预测黑龙江省农机总动力,可为黑龙江省的农业机械化发展趋势和农机产品市场分析提供理论指导,为制定黑龙江省农业机械化发展规划和预测近阶段农业机械化发展水平提供参考依据.利用黑龙江省1980-2007年农机总动力数据,运用标准BP神经网络和改进BP神经网络模型进行预测,预测结果表明,改进BP神经网络模型比标准BP神经网络模型在预测精度、运行时间、学习次数等方面更具优越性.     

基于交叉相关系数的风矢度量模型

利用卫星云图中的灰度数据,建立了基于灰度值相关系数的风矢场动态匹配度量模型,并用差商法、三次样条插值法和整体局部匹配算法对模型进行优化.与传统的固定窗口风矢度量模型相比,具有较高的度量精度和匹配速度.对非单调的气压层与温度函数进行了分段拟合求解,根据气压层温度曲线特性和气压不能突变原理,建立了气压层全局匹配模型.