补气药人参、黄芪防治心脑疾病的网络药理学研究

基于网络药理学研究补气中药人参、黄芪的主要活性成分、靶点及作用于心脑疾病的分子机制。通过中药整合药理学平台(TCMIP),筛选出人参和黄芪的成分、靶标信息,进行相关的GO基因功能和KEGG通路富集分析,构建核心靶标网络图和"中药-成分-关键药靶-通路"图。从人参、黄芪药对中筛选得到160个药物间共同靶标,463条药物-疾病核心靶标信息,其中62条共同靶标、131条潜在药物靶标、25条已知疾病靶标,主要涉及在线粒体能量产生、转化及氧化代谢等多条生物学过程信号通路。阐释了人参、黄芪功效及应用的异同点,并从成分-靶点-疾病角度初步揭示了人参、黄芪治疗心脑疾病具有补气功效共同作用机制,为深入研究中药功效的作用机制提供了示范和参考。     

基于整合药理学平台的六味地黄丸治疗糖尿病的分子机制研究

为探究六味地黄丸治疗糖尿病的潜在活性成分和作用机制,借助整合药理学平台对其药物靶标、基因功能和通路富集分析,运用整合药理学思维对六味地黄丸治疗糖尿病的分子机制进行研究。研究发现,多种代谢通路及成分靶点如PRKCB、GAA、GCK等与糖尿病相关联。推测六味地黄丸可通过调节氨基酸代谢、能量代谢及糖脂代谢等多种代谢紊乱来达到对糖尿病的治疗作用。     

谷红注射液抗脑缺血网络药理学分子机制研究

为探究谷红注射液抗脑缺血分子机制,采用大脑中动脉阻塞建脑缺血模型,评价谷红注射液抗脑缺血药效,并采用网络药理学分析其分子机制。谷红注射液有良好抗脑缺血作用,主要通过红花黄素A、γ-氨基丁酸等131个成分调控氨基酸代谢、钙信号通路等12条通路,作用AGT、IL8等64个核心靶点而发挥作用。谷红注射液网络药理学分析揭示其抗脑缺血的物质基础、作用通路及靶点,为其深入研究提供一定的理论依据。     

基于二进制神经网络集成的潜在通路分析

针对神经网络在潜在通路分析应用中的缺陷,提出了二进制神经网络集成(BNNE)算法。该算法结合了二进制神经网络(binary neural network,BNN)和神经网络集成(neural network ensemble,NNE),NNE的个体成员是BNN,集成算法采用GASEN算法,其输入为电路开关状态,输出为预测功能。通过比较特定开关状态下的预测功能和设计功能之间的差异,判断是否存在潜在通路。该算法综合了BNN、NNE的优点,可以有效提高神经网络的泛化能力和潜在通路分析的可靠性,仿真试验验证了算法的有效性。     

基于流形学习降维的决策分析算法

为了有效地分析高维决策表，提出了基于流形学习降维的决策分析算法（decision analysis algorithm based on manifold learning，DAML）. 算法使用等距映射法（ISOMAP）对原始数据做降维处理，在得到的主坐标数据上进行决策分析. 根据核主成分分析法与ISOMAP方法的关系得到主成分与主坐标的转换关系式，并计算原始数据主成分. 提出了基于等价支持子集的决策算法用于计算主成分属性重要性、属性区分能力及等价支持子集. 在得到等价支持子集的基础上抽取决策规则，根据决策规则预测算法预测未知数据. 选取UCI数据库中标准分类数据集作为仿真实验样本，并对比C4.5决策树算法、K最近邻居算法（KNN）与提出的决策规则预测算法在Iris、Breast cancer、Wine、Spectf heart和Ionosphere数据集上的分类精度来验证算法的有效性.     

基于TVS-HAR模型的农产品期货市场已实现波动率的预测研究

本文以4种农产品期货的高频数据为样本,在实证考察预测因子对农产品期货已实现波动率的预测能力基础上,通过假定时变HAR模型的参数遵循独立正态-伽马自回归过程先验分布,构建了具有时变稀疏度的HAR模型(TVS-HAR),以同时考虑预测模型参数的时变性和预测模型的时变性,并采用MCS检验评价和比较该模型和其他HAR族模型的样本外预测性能.实证结果表明:TVS-HAR模型能较好地识别和拟合潜在预测因子对农产品期货市场波动率的预测的重要性和影响程度的时变性;跳跃成分对我国农产品期货市场已实现波动率具有一定的预测能力;相对于其他几类HAR模型,TVS-HAR模型的预测性能最好.     

面向SAR图像目标识别的鲁棒处理算法

现有合成孔径雷达图像的目标识别方法通常要进行预处理,预处理对于识别率影响较大。但是,针对不同的合成孔径雷达目标图像,预处理算法的自适应性很难得到保证。将基于核的主成分分析与稀疏表示相结合,只需很少的观测数据就能得到高识别率的目标识别结果,节省了数据存储量和计算量。首先,阐述了压缩感知的基本理论;其次,提出了基于核主成分分析和稀疏表示的合成孔径雷达图像目标识别算法;最后,选取MSTAR数据库中的5类目标进行实验。仿真结果表明,在没有方位角预测的情况下,该算法仍能有效地识别目标,与其他识别算法相比,在同等噪声污染的图像下,具有较高的识别率。     

基于季节调整和BP神经网络的月度负荷预测

月度电力负荷序列中离群值及节假日因素会影响月度负荷预测的准确性.为此,提出了基于季节调整方法和BP神经网络的月度电力负荷组合预测模型.首先,利用季节调整方法对原始负荷序列进行预处理,消除离群值和春节假日的影响;然后用BP神经网络对回归残差序列建模预测得到预测结果或对季节调整后序列和季节成分序列分别建模预测,并对分量预测结果重构后得到最终预测结果的方法.通过实例对预测效果进行检验,结果表明提出的预测方法的预测表现要优于BP神经网络,SARIMA,支持向量机等模型,可以获得更高的预测精度.     

债市信息下的股票收益预测——基于Bootstrap小样本检验分析

利用债市信息构建水平型、斜率型和曲度型三类股票收益预测变量,并通过Bootstrap进行小样本偏差检验分析,从而探究中国股票市场收益的可预测性。研究发现中国股票市场收益能够很好地被水平型变量远期利率组合和斜率型变量到期收益率斜率成分所预测。两类变量均与股票组合收益负相关,即当前债市整体收益较高,期限溢价较大,则预示着未来股票收益将会下降,股市进入低谷。由于两类变量所涵盖的信息不同,使得远期利率组合在预测短期滚动股票收益时表现较好,而到期收益率斜率成分则在长期时具有较强的预测能力。此外,公司特征包括市值、账面市值比以及净资产收益率能够影响股票收益可预测性的程度。其中,市值和账面市值比的影响作用在短期和长期时会出现明显的反转现象。     

基于大样本数据的机场业务量需求预测方法

机场业务量预测是机场建设规模决策的重要依据，基于大量样本数据，采用模型构建和实证分析的方法研究机场业务量需求预测。首先提出相关性回归和主成分回归两种预测方法，针对每个机场的客、货吞吐量，构建一元线性回归、相关性回归、主成分回归和逐步回归4类细分预测模型，并利用203个机场的客、货吞吐量数据对构建的模型进行实证分析。分析结果表明：机场客、货吞吐量与各类宏观变量存在着不同程度的关联性，其中与国内生产总值(gross domestic product, GDP)、社会消费品零售总额、居民可支配收入等变量呈现高度相关性。从4类预测方法的预测效果来看，构建的相关性回归和主成分回归模型预测效果表现较好。统计发现，在可允许的最大绝对误差百分比下，在203个机场中回归分析法可有效预测的机场数量占比达50%以上。机场客、货吞吐量量级越高，回归分析法可有效预测的机场数量越多，旅客吞吐量千万级以上机场和货邮吞吐量5万吨以上机场的可预测机场数量占比均可达90%以上。     

网络结构特征与链路预测算法关系研究

以美国航空网络、科学家合作网络和线虫新陈代谢网络等5种实际网络为例进行了综合实验,用结果数据定量化描述了同配系数、集聚系数和网络效率等网络结构特征参数,与基于局部信息和全局信息的两类链路预测方法结果之间的关系。通过对结果的分析,得到了网络同配系数为正且聚集系数大于阈值(约0.1)时适用基于局部信息的预测方法,否则适用基于全局信息的预测方法;以及集聚系数、网络效率与局部信息预测方法的结果成正比,与全局信息预测方法成反比等结论。这些结论为通过网络特征参数进行链路预测方法的选择提供了定量化的参考依据。     

复杂系统意义下的中医药学及其案例研究

中国整体观、辨证论治体系所具有的系统大规模，开放于环境以及重视相互作用等特点，以及整体、活体、动态的观察方式是其复杂性的来源；通过对寒、热方剂作用的有关时间序列数据，1607例风湿病疼痛的节律性变化调查，中药方剂的最优配比等案例研究及分析，综合发现多种非特异性指标的特定组合，节律变动形式是寒热方剂，证候的系统特征之一，同时发现中药的总体效应不能用每一成分单独作用的线性叠加来表示，中药对复杂性疾病可发挥“多因微效”的综合调节作用。     

中国股市高频波动率的特征、预测模型以及预测精度比较

在HAR-GARCH模型和HAR-CJ模型的基础上构建了自适应的不对称性HAR-CJ-D-FIGARCH模型, 并用以对中国股市高频波动率进行了预测, 然后利用上证综指2000年至2008年的高频数据实证检验了中国股市高频波动率的特征, 最后运用SPA检验评价和比较了构建的模型与其他6类高频波动率模型的样本外预测能力. 结果表明: 中国股市高频波动率同时具有长记忆性、 结构突变、不对称性和周内效应等特征; 结构突变仅部分解释其长记忆性; 高频波动率连续性成分的长记忆性很强, 而跳跃性成分的长记忆性非常弱. 相比于其他6类模型, 自适应的不对称性HAR-CJ-D-FIGARCH模型对样本内数据的拟合效果最好, 同时也是样本外预测性能最好的模型.     

研发项目中“团队-产品-功能”多领域集成与组织聚类研究

研发项目是由产品、功能、组织和流程等多个领域中元素之间相互联系构成的复杂网络.为了便于同时分析三个领域元素之间存在的相互依赖关系,本文引入扩展的域映射矩阵EDMM分析"团队-产品-功能"之间的依赖关系,进一步,通过"扩展的多领域矩阵"(EMDM),即"团队-产品-功能"EMDM,本文构建了由部件设计结构矩阵(DSM)、功能DSM和EDMM推导组织DSM的模型.然后,为优化组织架构以降低管理的复杂性,构建了改进的两阶段组织DSM聚类准则,提出了最大化"增加的类内外依赖强度比"AIDER和最小化项目的总协调成本的聚类准则,以平衡类内和类外元素对聚类的影响.最后,通过案例,将本文提出的AIDER聚类准则与传统的聚类准则进行了比较,聚类结果表明本方法可明显降低总协调成本.     

基于预测误差校正的支持向量机短期风速预测

对风电场风速进行较为准确的预测,对于电力部门及时调整调度计划至关重要。建立了支持向量机风速预测模型,并提出了结合预测误差校正来提高预测精度的新思路。先建立SVM模型初步预测风速,再将得到的训练误差和测试误差分别构建样本,建立基于小波-支持向量机的误差预测模型进行误差预测,最后用预测误差对风速初步预测值进行校正。仿真结果表明所提方法能明显改善预测精度,而且方法简洁明了,具有很好的稳健性,能够推广到长期风速预测、负荷预测及其它预测领域。     

基于奇异谱分析的我国航空客运量集成预测模型

针对时间序列包含噪声以及单一模型可能存在预测表现不稳定的问题,本文提出了一个基于奇异谱分析(SSA)的集成预测模型,并将其运用于我国年度航空客运量的预测中.首先,采用SSA方法对原始时间序列进行分解和重构,得到一个剔除噪声的时间序列,然后将其作为单整自回归移动平均模型(ARIMA)、支持向量回归模型(SVR)、Holt-Winters方法(HW)等单一模型的输入并进行预测,接着再采用加权平均集成预测方法(WA)将三种单一模型的预测结果进行综合集成.通过与各单一模型、基于经验模态分解方法(EMD)的模型以及简单平均集成预测方法(SA)的预测结果进行对比发现,本文所建模型具有较高的预测精度和较稳定的预测表现.最后,采用本文的模型对我国2014-2016年年度航空客运量进行了预测.     

平滑系数自适应的二次指数平滑模型及其应用

通过对传统指数平滑模型的分析,提出了动态平滑参数的概念;并由此建立了平滑权重对时间序列能够自适应的新的二次指数平滑新模型;进而得到Brown单参数和Holt双参数两类线性趋势模型及其不同于传统模型的良好性质.新模型使困绕指数平滑应用的初值难以选取、平滑参数适应性差及系统预测偏差等问题得到了较完整的解决.预测实例表明新模型提高了预测精度,并有很好的自适应性.     

《系统管理学报》征稿简则

《系统管理学报》是经国家科委、国家教委批准的向国内外公开发行的综合性学术期刊。本刊旨在介绍系统工程学科、管理科学与工程学科创新性研究成果。1992年5月创刊,目前已入选CSSCI来源期刊;中国科技论文统计源核心期刊;中国科学引文数据库(CSCD)来源期刊;中国学术期刊(光盘版)全文收录期刊;中国学术期刊综合评价数据库来源期刊;万方数据-数字化期刊群;超星期刊域出版平台;中文科技期刊数据库;国家自然科学基金委员会管理类重要期刊等。     

《系统管理学报》征稿简则

正《系统管理学报》是经国家科委、国家教委批准的向国内外公开发行的综合性学术期刊。本刊旨在介绍系统工程学科、管理科学与工程学科创新性研究成果。1992年5月创刊,目前已入选CSSCI来源期刊;中国科技论文统计源核心期刊;中国科学引文数据库(CSCD)来源期刊;中国学术期刊(光盘版)全文收录期刊;中国学术期刊综合评价数据库来源期刊;万方数据-数字化期刊群;超星期刊域出版平台;中文科技期刊数据库;国家自然科学基金委员会管理类重要期刊等。     

集成“3S”技术的森林防火决策支持系统研究

从数据库设计、火险等级预测、火灾损失评估、空间分析、信息提取等功能模块方面,分析了基于地理信息系统(GIS)、全球定位系统(GPS)和遥感(RS)技术的森林防火决策支持系统的结构和开发环境,系统采用组件式GIS技术,成功地实现了3S与林火损失评估模型、林火预测模型的无缝集成.文章还探索地把粗集理论应用在林火等级预测中.该系统具有数据管理、更新、互查询、显示、输出和模型分析等功能,为森林防火管理提供及时的、可靠的信息支持.