基于共享单车出行数据的用户行为分析

基于共享单车出行数据,对用户总体出行时间和强度进行分析,并据此对高频用户出行日期和路线进行分类,针对用户出行目的地建立预测模型.结果表明,工作日和休息日出行时间分布存在显著差异,出行强度具有频率低、距离短的特征;高频用户出行轨迹在工作和休闲两维度上可归纳为三种类型;基于共享单车历史出行数据,建立用户出行目的地预测模型所得的准确率较为合理.     

基于GA_XGBoost模型的大学生科研能力预测问题研究

科学评价大学生科研创新能力对我国科研水平的提高具有重要意义.采用机器学习模型来预测大学生科研能力可以起到良好的效果,提出一种GAXGBoost模型来实现对大学生的科研能力预测.此模型是以Xgboost算法为基础,然后充分利用遗传算法的全局搜索能力自动搜索Xgboost最优超参数,避免了人为经验调参不准确的缺陷,最后采用精英选择策略以此确保每一轮都是最佳的进化结果.通过分析表明,所采用的GAXGBoost模型在大学生科研能力预测的结果中具有很高的精度,将此模型与Logistic Regression、Random Forest、SVM等模型进行对比,GAXGBoost模型的预测精度最高.     

动力学模态分解方法重构及预测流场误差分析

利用动力学模态分解(dynamic mode decomposition,DMD)方法可以实现非定常流场的分解、重构和预测,但该方法重构和预测流场的误差需要给出定量分析.鉴于此,提出了定量描述动力学模态分解重构和预测流场的误差分析方法,以雷诺数Re=80的圆柱绕流二维流场数值模拟结果为例,研究了非线性流动和周期性流场重构和预测误差的动态变化情况.结果表明:依据能量大小确定的模态反映了流场的主要相干结构;低频、低增长/衰减率和大尺度的相干结构能量占比大,对流场的影响较大;DMD方法可以准确重构非线性和周期性变化流场,重构的误差小于10-10,预测流场的误差较重构流场出现跳跃增大现象;DMD方法预测非线性变化流场的误差在样本时间区间内较小(小于10-3),超出样本区间误差的发展急剧增大,变化情况依赖于数据样本;预测周期性流场的误差稳定在10-4左右.     

基于DNA-AuNCs的荧光传感新方法灵敏检测胰蛋白酶活性

以DNA模板金纳米簇(DNA-AuNCs)作为荧光探针,发展了一种灵敏检测胰蛋白酶活性的荧光分析新方法.在胰蛋白酶存在条件下,牛血清白蛋白水解成多肽片段,释放出游离的半胱氨酸残基.半胱氨酸残基与金纳米簇通过Au-S键形成非荧光的配合物,导致金纳米簇的荧光强度显著降低.该方法对胰蛋白酶的线性检测范围为0.1～2.0mg/L,检出限为20μg/L(R_(SN)=3).此外,该方法被成功应用于人血清样品中胰蛋白酶含量的测定.     

灰色系统理论在废气污染物排放量预测中的应用

应用灰色系统预测理论,以GM(1,1)模型对我国废气排放中主要污染物排放量进行预测,可有效克服原始数据的离散性,在少信息的情况下得到高精度的预测结果。以2008²012年废气主要污染物排放量为例进行了中短期的预测,结论表明,预测精度均可达到最优的精度等级。     

用于有机磷农药及其水解产物可视化检测的荧光探针制备及性质研究

使用氯金酸和柠檬酸三钠回流法合成出荧光吸收峰在520 nm的金纳米颗粒,并与罗丹明B修饰合成探针.金纳米颗粒与罗丹明B发生荧光共振能量转移(FRET)作用使罗丹明B的荧光淬灭.在加入毒死蜱之后,毒死蜱及其水解产物能有效取代罗丹明B,使荧光恢复.金纳米颗粒探针对毒死蜱及其水解产物的浓度响应区间为(0～0.1)mm,低至0.1 nm也有响应,且荧光变化迅速,从而能够快速有效地检测超痕量有机磷农药毒死蜱及其水解产物.     

基于ESI和InCites的学科发展预测研究--以中国地质大学为例

基于汤姆路透公司的ESI和InCites数据库，分析了中国地质大学各学科的特征，探讨了高被引论文、热门论文、顶尖论文与学科发展的关系，并预测后续最有可能入围ESI世界前1％的学科。