灰色预测方法在大城市时用水量预测中的研究

分析了城市用水量预测的重要性和一些基本方法,发现灰色预测方法比传统的基于概率统计的随机过程分析具有建模所需信息少、不必知道原始数据分布的先验特征等优点,故将其尝试性的应用于城市时用水量的预测.通过对灰色预测方法建模机理的研究建立了城市用水量预测GM(1,1)模型,并以北方某大型城市时用水量为原始数据进行了实际预测,模型精度检验的结果表明该模型的预测等级为高精度预测.     

基于灰色预测模型的公路运输量预测

为了准确预测公路运输量,提高公路运输行业的管理水平,在运输业近年运量统计数据的基础上,利用灰色预测理论的GM(1,1)模型,给出了运用GM(1,1)模型进行预测的详细步骤,并以浙江省公路运输量预测为例进行了实际应用,对预测结果进行误差检验,表明预测结果具有较高的精度.     

水稻蛋白质相互作用网络的预测与分析

通过同源映射的方法,利用6个模式物种的蛋白质相互作用数据预测水稻的蛋白质相互作用网络.预测到水稻中有4483个蛋白质参与了24942个蛋白质相互作用.通过GO注释,结构域相互作用,基因共表达等3个证据评估预测网络的质量,并对网络进行了拓扑属性分析.结果表明水稻的蛋白质相互作用网络符合scale-free属性.通过对网络中功能模块的分析,可以预测蛋白质的功能和亚细胞定位信息.     

小波神经网络在绝缘子漏电量预测中的应用

为了实现对绝缘子漏电量的准确预测，提出了基于小波神经网络的预测模型，分析了网络的拓扑结构，给出了网络学习方法．通过对绝缘子漏电量样本数据进行预处理，生成学习样本和测试样本，进而对预测模型进行测试，实现了对绝缘子漏电量的准确预测．将其应用于电业局的绝缘子漏电量预测中，达到了实际应用的精度要求．实验和实际应用表明，该预测模型的误差小，精确度高，能有效地预测绝缘子漏电量。     

基于隐含边界描述的连续体拓扑优化

基于隐含边界描述的水平集方程推动几何边界,结合形状导数、拓扑导数等工具,实现了柔性目标函数的连续体结构拓扑优化设计.进一步通过引入Von Mises应力作为产生新拓扑结构的策略,给出了单独使用Von Mises应力开孔的算例.算例结果表明,基于隐含边界描述的连续体拓扑优化设计方法,它具有独特的处理拓扑变化能力及消除拓扑优化结果对网格和初始拓扑结构猜测的依赖性.这一类方法具有优秀的高维设计拓展能力,在工程实际和多材料设计等方面具有很好的应用前景.     

拓扑指数mN与无机氢化物pKa1的关系

受Randic分子连接性拓扑指数的启发,构建了电负性拓扑指数mN.用其0,1阶指数0N和1N,与P区无机氢化物的pKa1值关联,拟合成2个回归方程,其相关系数与相关指数分别为0.995 4和0.995 4.结构选择性达到惟一性表征.预测取得了较好的结果.     

灰色预测理论在数学建模中的应用

灰色系统理论在自动控制领域中已取得了广泛的应用,本文针对灰色预测理论的特点,分析了它在数学建模中的具体应用。首先,本文对如何将实际问题转化为灰色GM(1,1)预测模型给了具体的步骤,同时针对模型的特点,可以对其的预测精度进行后验差检验,随后,针对基本灰色GM(1,1)预测模型单调性的特点,我们可以采用改进的等维灰数递补模型,这样可以大大的提高模型对实际问题的预测精度。     

小波消噪的灰色拓扑法预测降雨量

为了进一步提高降雨量预测精度,在基于小波消噪的基础上应用灰色拓扑对降雨量进行预测,用丹东地区1951年-2007年的降雨量作为历史数据,建立降雨量预测模型.结果表明,新模犁算法简单,精度较高,比传统的拓扑预测模犁效果更好.应用该方法有效的提高了降雨量的预测精度,为降雨量预测提供了一种行之有效的方法,对防灾减灾具有重要的现实意义.     

数控机床热误差的最优线性组合建模

提出数控机床热误差的最优线性组合建模方法及其相关算法.该方法通过线性和的方式对基于不同数学理论所建立的热误差模型进行综合,并以不同拓扑结构及训练算法的反向传播神经网络为例,建立了最优线性组合神经网络.通过对一台CNC机床的实际加工数据进行分析,对该建模方法进行验证,并探讨了该方法的最佳使用条件及其原因.建模结果表明,所提出的方法能够在节省建模时间的同时大幅提高所建立模型的预测精度,是一种高性价比的建模方法.     

价电子轨道能量拓扑指数mE及其对P区氢化物酸性的预测

受Randic分子连接性拓扑指数mX的启发,构建了一种价电子轨道能量拓扑指数mE.利用其0阶(0E)和1阶(1E)指数,与13种p区无机氢化物的pKa1关联,拟合成2个线性回归方程.拓扑指数的结构选择性达到唯一性表征,相关系(指)数为0.9942(0.9949).预测取得了令人满意的结果.     

融合时序文本与高阶交互拓扑的在线抗议预测

针对在线抗议预测技术中忽视用户文本时序差异性及用户间高阶交互拓扑的问题，提出融合时序文本与高阶交互拓扑的在线抗议预测方法.基于自注意力机制建模用户不同时刻交互文本信息对其抗议倾向的影响，构建用户文本表示向量；同时利用邻域节点的相似性，构建二阶相似性保持的用户交互拓扑表示向量；融合用户文本表示向量和交互表示向量预测用户抗议倾向.推特数据集结果表明本方法准确率可达到93.9%，为抗议活动预测提供技术支撑.      

基于网络拓扑相似性预测潜在致病基因

相关疾病基因的发现和预测是人类基因组研究的重要目标.近些年,一些研究者通过基于网络结构的方法来解决这个难题.然而,大多数方法在推理过程中仅使用了局部的网络信息,并且仅限于推理单一基因的关联.并且这些方法很少考虑到疾病-基因关联网络的网络拓扑性.笔者提出一种改进的基于二部图网络结构推理(improved network-based inference)的计算方法.该方法基于已知的疾病-基因网络拓扑相似性来发现更多潜在致病基因.文中使用的是OMIM数据库中的203种疾病的数据,通过留一交叉验证法验证实验,并获得了88.9%的AUC值.与文中提到的另外两种方法相比,该文方法能够有效地预测潜在致病基因.     

面向MANETs按需路由协议的黑洞攻击解析改进模型

传统移动Ad Hoc网络(mobile Ad Hoc network,MANETs)黑洞攻击解析模型存在网络拓扑结构固定、网络传输性能预测精确度低的问题.针对使用按需路由协议的MANETs网络,提出一种基于随机拓扑近似技术的黑洞攻击解析改进模型(improved black hole attack analytical model,IBAAM).IBAAM协议使用随机模型代替传统解析模型使用的n元2立方体模型,并将网络结构扩展至随机拓扑结构,使用最短跳距离概率描述表示网络拓扑结构的随机拓扑信息,再使用K均值聚类法实现跳距离文件配置以求解任意拓扑结构下的攻击概率问题,从而在不利用任何实际拓扑先验信息条件下有效预测MANETs网络平均丢包数目.IBAAM实验结果表明,在多种不同固定Ad Hoc拓扑结构下,IBAAM的网络丢包预测精确度在仿真结果的95%置信区间内,能够有效预测网络传输性能.     

基于改进门控循环单元神经网络的锂电池组荷电状态预测

准确预测锂电池组的荷电状态（state of charge，SOC）能够有效防止电池过度充电或者放电，是储能设备安全运行的重要保障。为了解决SOC无法通过测量直接获得的问题，提出了一种基于猎人猎物优化算法（hunter prey optimization，HPO）优化门控循环单元（gated recurrent unit，GRU）神经网络的预测模型。在GRU的基础上添加Dropout机制，来增强模型的泛化能力，并通过HPO算法优化GRU的超参数，使锂电池的数据特征与网络拓扑相匹配。为了验证HPO-GRU模型的有效性，以某储能公司现场采集的储能锂电池组历史数据进行仿真实验，并与反向传播神经网络（back propagation，BP）、长短期记忆网络（long short term memory，LSTM）和GRU三种预测模型的预测结果进行对比分析。可得HPO-GRU模型预测值与真实值的误差最小，在5%以内。可见HPO-GRU模型的预测精度最高，具有良好的鲁棒性以及较强的泛化能力。     

非线性时间序列的重构及预测

采用自适应前馈网络算法(AFN)进行非线性时序预测，对网络结构设计进行详细的探讨，并应用该方法对经典非线性时间序列数据进行预测，与传统预测方法(TAR)比较，结果证明此种方法具有较好的效果，网络的结构得到了简化。不仅满足了误差目标的要求，而且提高了网络的推广能力。且AFN方法可以对时间序列数据间的关系给出一种基于贡献率的解释。     

基于QoS量化评估的电子商务认证协议优化

通过对电子商务的认证协议进行优化设计,可以提高电子商务商家的服务质量(Qo S)。当前方法多采用多地址差错控制协议对电子商务进行认证,随着服务对象数量的增加和数据链路规模的扩大,准确度会大幅下降。提出基于最小竞争窗口树形层状拓扑的电子商务认证协议,实现对商家的Qo S量化评估。构建电子商务认证协议的网络结构模型和数据传输模型,对商家的服务质量Qo S信息进行信息模型构建和预测算法描述,引入最小竞争窗口树形层状拓扑改进对电子商务认证协议进行优化。实验结果表明,采用该方法进行商家的Qo S量化评估,具有较好的服务质量预测能力,可以准确指导商家改善服务质量,提高线上交易的安全性和可靠性,展示了较好的应用价值。     

发动机控制器ECU中功率管的温度预测研究

为了准确预估发动机控制器ECU中的功率MOSFET管的温升情况,建立了一个针对工作于PWM脉宽调制方式下的功率MOSFET管的峰值节点温升预测简化模型,基于功率管的DATASHEET参数,模型可以快速地对工作于PWM调制方式下的功率管峰值节点工作温度做出精确预测.通过试验测量的温升结果和模型的预测温升结果的对比,验证了模型的温升预测精度,对温升的预测最大误差不超过2.3%.虽然温度预测模型是基于柴油机电磁阀驱动电路,但预测模型可以很容易地扩展到其他的功率驱动电路拓扑结构.     

Research on Several Prediction Methods of Membrane Protein Structure and Topology

Since present prediction methods of membrane protein structureand topology made use of mixed data sets both from experiments and prediction as training and test sets, the reliability and accuracy of their prediction is still under debate. To benchmark the performance of these methods, this commentary uses a test set of membrane proteins created by European Bioinformatics Institute with either available 3-D structure or experimentally confirmed transmembrane regions. Then the prediction results are compared and the problems existing in these methods and important features for successful prediction are pointed out, which may help users to choose a more reliable prediction from different results. Based upon recent advances in membrane protein, possible means to improve topology prediction accuracy are discussed.     

异构多子网的物理拓扑发现算法

精确的网络拓扑信息对于网络管理和网络性能预测十分重要.大多数的拓扑发现研究集中在路由层以及单子网物理层,对于多子网物理拓扑发现特别是异构(多厂家生产)多子网拓扑发现的研究很少.文中提出了在异构IP网络中发现多子网物理拓扑的算法.此算法依赖于标准的SNMP MIB信息,在现代的IP网络设备中广泛支持这种SNMP MIB信息.依据多子网属性,该算法提出一些用来判断多子网内设备端口互连的引理.根据这些引理可以给出得到所有匹配端口对拓扑发现算法的实现步骤.实验表明,此算法无需修改运行在网络设备以及主机中的操作系统,只需要保证MIB信息足够充分来唯一识别网络拓扑,就可以准确进行拓扑发现.     

Research on road topology based mobility prediction schemes

Geographic routing has been introduced in mobile ad hoc networks and sensor networks. But its per-formance suffers greatly from mobility-induced location errors that can cause Lost Link （LLNK） and LOOP problems. Thus various mobility prediction algorithms have been proposed to mitigate the errors, but sometimes their prediction errors are substantial. A novel mobility prediction technique that incorpo-rates both mobile positioning information and road topology knowledge was presented. Furthermore, the performance of the scheme was evaluated via simulations, along with two other schemes, namely, Linear Velocity Prediction （LVP） and Weighted Velocity Prediction （WVP） for comparison purpose. The results of simulation under Manhattan mobility model show that the proposed scheme could track the movement of a node well and hence provide noticeable improvement over LVP and MVP.