α_1-肾上腺素受体激活防止心室颤动机理的研究

在氯仿诱发小鼠心室颤动（ＶＦ）的模型上，研究了激动α１－肾上腺素能受体（ＡＲ）防止ＶＦ发生的机制．甲氧胺（１５ｍｇ／ｋｇ，ｉｐ）可防止ＶＦ，哌唑嗪（５ｍｇ／ｋｇ）和硝苯啶（３ｍｇ／ｋｇ）阻断甲氧胺的防颤作用，阿托品（１５ｍｇ／ｋｇ）和育亨宾（５ｍｇ／ｋｇ）无效．放免测定ＶＦ组（ｎ＝８）与甲氧胺组（ｎ＝８）心室肌环核苷酸含量，与ＶＦ组比．ｃＡＭＰ水平无变化，ｃＧＭＰ含量显著增加（ｐ＜０．００１），ｃＡＭＰ／ｃＧＭＰ比值显著减小（ｐ＜０．００１）．提示，甲氧胺防止ＶＦ是通过激动心肌α１－ＡＲ介导的，并与心肌ｃＧＭＰ水平提高有关．     

中国人重症肌无力的遗传易感性研究

重症肌无力与ＨＬＡⅡ类基因关联性在不同人种和民族中具有不同遗传易感性。为探讨中国人重症肌无力（ＭＧ）与ＨＬＡ－ＤＱ分子关联性，采用聚合酶链式反应—限制性片段长度多态性（ＰＣＲ－ＲＦＬＰ）方法，分析了５０例中国正常人及４９例重症肌无力患者的ＨＬＡ－ＤＱＡ１和－ＤＱＢ１座位的基因型。结果：共检出正常人ＤＱＡ１等位基因８种，ＤＱＢ１等位基因１０种，重症肌无力患者ＤＱＡ１等位基因８种，ＤＱＢ１等位基因９种。结果分析表明ＤＱＡ１＊０５０１与ＭＧ成负相关，ＤＱＢ１＊０３０２与ＭＧ成正相关。从基因水平首次用ＰＣＲ－ＲＦＬＰ方法得出中国人重症肌无力ＤＱ分子的易感基因型。     

时间序列AR模型参数的积分求解法

基于对时间序列实质的分析，提出了旨在减少序列的随机误差影响以及提高拟合精度的ＡＲ模型参数的积分求解法．重点讨论了ＡＲ（１）模型及ＡＲ（ｐ）模型参数的积分求解法，并与最小二乘法在计算机上进行了仿真比较．结果表明，采用积分求解法所得的ＡＲ模型参数的估计精度比最小二乘法的高．     

肺癌患者手术前后血清SIL—2R和TNF—α的水平

采用ＥＬＩＳＡ法对４０例肺癌患者血清可溶性白细胞介素２受体（ＳＩＬ－２Ｒ）和肿瘤坏死因子（ＴＮＦ）手术前后表达水平进行动态及临床观察。结果为：（１）ＳＩＬ－２Ｒ和ＴＮＦ－α术前均显著高于正常对照组（Ｐ＜００１）;（２）术后１周,ＳＩＬ－２Ｒ及ＴＮＦ－α水平与术前比较,差异无显著性意义（Ｐ＞００５）;（３）术后４周,ＳＩＬ－２Ｒ和ＴＮＦ－α水平较术前显著降低（Ｐ＜００１）,接近对照组水平。结果提示,血清ＳＩＬ－２Ｒ和ＴＮＦ－α可作为肺癌患者免疫功能的监测指标之一,并可作为疗效判断的参考。     

关于双重随机时序AR（1）－AR（1）模型的渐近性

文中讨论了一类重要的非线性时序模型－双重随机时序模型ＡＲ（１）－ＡＲ（１）一ＡＲ（１）。在模型存在平稳解的条件下，我们证明了：ｎ￣（１／２）Ｘ＿ｎ－→Ｎ（０，Ｂ）。     

中国股市日内成交量序列建模及预测研究

首先研究上证指数日内高频成交量时间序列的统计特征,包括平稳性、自相关和 长 记 忆 性,然后我们通过对剔除日内周期趋势的成交量序列建立 ＡＲＭＡ 模型,并分别结合 ＡＲＣＨ 类模型和 ＡＲＦＩＭＡ 模型消除模型的异方差和长记忆性．我们的实证分析结果表明在消除日内周期项、异方差和长记忆性后建立的时间序列模型比原始序列的时间序列模型有更高的预测精度．      

FR^A—模型成的格

研究了全体ＦＲ＾Ａ－模型成的格ＦＲ＾Ａ（Ｍ）及其子格的结构，证得ＦＲ＾Ａ（Ｍ）及其子格为模格。利用同态理论研究同态模间形成的ＦＲ＾Ａ－模格的相互关系，得到一些重要的同态与同构定理。最后指出ＦＲ＾Ａ（Ｍ）不是配格。     

时间序列AR模型参数的积分求解法

基于对时间序列实质的分析，提出了旨在减少序列的随机误差影响以及提高拟合精度的ＡＲ模型参数的积分求解法，重点讨论了ＡＲ（１）模型及ＡＲ（ｐ）模型参数的积分求解法，并与最小二乘法在计算机上进行了仿真比较，结果表明，有用积分求解法所得ＡＲ模型参数的估计精度比最小二乘法的高。     

RAID的设备故障与系统可靠性

在讨论冗余磁盘阵列（ＲＡＩＤ—ＲｅｄｕｎｄａｎｔＡｒｒａｙｏｆＩｎｅｘｐｅｎｓｉｖｅＤｉｓｋｓ）的故障容错机理的基础上，研究了设备故障对ＲＡＩＤ系统可靠性的影响。其平均持续正常工作时间和系统在线修复设备故障容许的平均间隔时间的计算结果表明，只要在一定的容许时间内替换或修复故障磁盘，系统可保持持续正常工作状态。     

南方鲶SME—1细胞系,草鱼CIK细胞系与原鱼种的RAPD图谱比较

研究了ＳＭＥ１和ＣＩＫ细胞系，以及南方鲶、鲶、大鳍、草鱼等６个样品的ＲＡＰＤ图谱，测定了各样品间的Ｎｅｉ相似系数和单匹配相似系数，并绘制了聚类树形图．Ｎｅｉ相似系数更适于细胞系与原种动物的相似性分析；细胞系与原鱼种的相似系数大于种间相似系数；培养时间短的ＳＭＥ１细胞与其原鱼种南方鲶的相似系数大于培养时间长的ＣＩＫ细胞与其原生鱼种草鱼的相似系数．     

ARMA模型参数估计的两段最小二乘法

提出了自回归滑动平均(ARMA)模型参数估计的两段最小二乘法。首先用递推最小二乘法对真实ARMA模型拟合高阶自回归(AR)模型,然后基于所拟合的AR模型参数,用最小二乘法解一个不相容代数方程组得到ARMA模型参数。一个仿真的例子说明了其有效性。     

ARMA模型参数估计的GW-LS两段算法

提出了新的GW-LS两段算法,很好地改善了自回归滑动平均(ARMA)模型参数估计的性能。首先摈弃传统的拟合到AR模型的思考方法,而是基于ARMA模型的相关函数用Gevers-Wouters(GW)算法对ARMA模型拟合到高阶滑动平均(MA)模型;然后在拟合的MA模型参数基础上,用最小二乘(LS)算法求解一个不相容的线性方程组,从而估计出ARMA模型参数。最终的仿真实例说明了本算法较高精度、较快速度的收敛特性。     

深成指数的R／S分析

应用R／S分析法(rescaled range analysis)，即重标极差分析法，分别对深成指数日收盘价的对数日收益率和对数日收益率AR(1)残差进行分析，得到两个不同的Hurst指数和两个相同的非周期循环。取由对数日收益率AR(1)残差进行分析得到的Hurst指数为深成指数Hurst指数的估计值，因其Hurst指数大于0．5，深成指数的日收益率不遵循相互独立的随机游走假设，而是一个具有持久性的时间序列，并有大约120个交易日非周期循环。     

基于溶解氡数据和长短期记忆网络的地震预报

溶解气氡浓度异常为可靠地震前兆,通过对历史观测数据进行建模,预测溶解气氡未来趋势,是快速检测溶解气氡浓度异常、研究震-氡机制的前提。溶解气氡浓度数据为典型的时间序列数据,传统的时间序列预测技术主要为自回归(AR)方法和自回归滑动平均(ARMA)方法。这些方法以线性方法为主,其拟合精度有限。采用目前最流行的深度学习技术长短期记忆(LSTM)模型对姑咱地震台、西昌地震台和雅安地震台一段时间内连续观测的溶解气氡日观测数据集溶解气氡浓度数据进行建模,采用90%的数据作为训练数据训练LSTM网络,10%的数据作为预测数据,采用均方根误差评价指标来评价模型的效果。在三种数据集上,LSTM的预测误差均方根误差均明显低于AR和ARMA方法。该结果表明,LSTM的预测精度高于传统的AR、ARMA方法。     

纱条不匀时序模型的建立

采用Pandit Wu方法对并条纱条进行建模分析 ,提高了建模过程的程序化水平 ,可迅速建立在线预测模型。研究认为 ,并条纱条可以用AR(n)模型及ARMA(m ,n)模型进行预测控制 ,且模型的阶次一般为 2～ 5。     

动态数据系统(DDS)建模方法的改进

本文概述了原DDS建模方法的缺点,叙述了改进的途径,推导了改进的算法,给出了改进部分的详细框图。首先用长自回归拟合数据直到残差为白噪声,如AR模型阶不高,则认定为AR模型。否则,利用数据和残差,线性估计ARMA模型参数。增阶和降阶时,Yule—Wolker方程系数阵和模型参数都可递推求得。初估ARMA模型后,用非线性最小二乘法来优化参数。通过二个实例计算表明,经改进的方法可以节省66％的机时,效果是明显的。     

关于ARMA（pq）模型序列的叠加问题

讨论了关于零均值的平稳时间序列ＭＡ（ｑ），ＡＲ（ｐ），ＡＲＭＡ（ｐｑ）三种模型在一定条件下的叠加，乘积所呈现模型的一些结论。     

ARMA模型参数的拟线性估计方法

提出了一种ARMA模型的线性估计方法,这种方法通过两次AR模型的估计来实现ARMA模型的估计.     

ARMA模型参数的分步估计方法

提出了一种ARMA模型的线性估计方法，这种方法通过两次AR模型的估计来实现ARMA的估计。讨论了一维时间序列开环系统、闭环系统的辨识方法及定阶问题。仿真结果表明该方法具有良好的准确度和可靠性，可直接用于结构状态监测。     

关于ARMAV（n,m）模型的建模

在一维长自回归模型比较参数法建模的基础上,根据相同观测数据所对应的适用ARV(p)模型与ARMAV(n,m)模型两者传递函数相等的原理,给出了ARMAV(n,m)模型的建模方法。