植物的特异功能

一、预知天灾我们知道,有些动物有预知 地震等天灾的能力,而有些植物也具有这种奇 异的超能力。1983年5月,日本秋田发生7．6级地 震,震前20小时内,日本观测点上的合欢树的 通过电位开始剧烈地上下波 动;地震之后,异常消失。除了 合欢树之外,还有一些植物能 产生与合欢树一样的生物电 位变化,像桑树、女贞、凤凰木 等。有人发现,含羞草也能预 知地震等天灾的发生。通常情 况下,含羞草的叶子是白天打 开夜晚闭合;日出前30分钟舒     

非同义单核苷酸变异致病性预测研究综述

超过6 000种人类疾病是由非同义单核苷酸变异(Non-synonymous single nucleotide variations,nsSNVs)引发的,快速准确地预测nsSNVs的致病性,有助于理解发病原理和设计新药物,也是生物信息领域的重要研究课题之一。该文给出了nsSNVs致病性研究的重要意义与背景知识;总结了国内外研究的主流方法,包括基于突变频率的方法、基于通路的方法、结合基因组和转录信息的方法、基于序列进化保守性的方法、基于序列和结构混合特征的方法以及综合评价类方法,对代表性方法进行了阐述;给出了nsSNVs致病性研究中常用的数据库、特征表示方法以及性能评价指标,多角度地对12种nsSNVs致病性预测方法进行了比较;最后,展望了nsSNVs致病性预测中可能取得突破的若干研究方向。     

短时交通流预测方法综述

以交通流预测研究的步骤为主线,对短时交通流预测的方法进行研究.对现存预测方法进行了分类分析:基于统计理论的方法、基于神经网络的方法、基于非线性理论的方法以及基于新兴技术的预测方法.将人工神经网络模型与其他领域的研究相结合的综合预测模型要比单一神经网络预测模型、常规预测模型的预测效果好;基于非线性理论的预测方法有较好的发展前景.     

蛋白质残基接触图预测

蛋白质是由多个氨基酸组成的长链,是生物体的必要组成成分,参与了生命活动的每一个进程。蛋白质结构决定了许多蛋白质的功能,准确预测蛋白质中氨基酸残基接触对于蛋白质结构预测具有重要意义,蛋白质残基接触问题已经成为当前生物信息领域的热点问题。该文首先给出了蛋白质残基接触图预测的相关背景知识及其重要意义;其次,总结了当前国内外研究的主流方法,包括基于局部相关性的方法、直接耦合分析法与其后处理的方法、以及基于有监督机器学习的方法,并对其中的代表性方法进行了阐述;结合国际蛋白质结构预测竞赛(Critical assessment of protein structure prediction,CASP)的结果对现有模型的性能做了对比和分析;在此基础上,探讨了残基接触图预测在蛋白质结构功能建模中的应用;最后,针对蛋白质接触图预测中存在的若干难点问题,给出了有望取得突破的若干研究方向。     

防震救灾中的高科技

<正>"天灾"给人类带来的损失触目惊心,人类虽然目前还不能控制"天灾",但是在巨大灾难之后,一系列高新技术却能帮助人们挽回更多的宝贵生命。遥感飞机:高空拍摄灾情图片航空遥感飞机相当于"数码相机",能够通过高空作业,对当地灾情进行连续实     

地震预测的可行技术途径

地震预测是一项社会公益事业,然而由于技术的原因目前还不能做出成功预报,当前应认真研究以适应社会对地震预测的需求。为研究２００８ 年“５· １２”汶川８ 级地震预测的可能性,基于地震自身的信息提出了一种数值建模预测地震震级方法,以及依据卫星遥感射出长波辐射信息预测蕴震地区的方法。其结果表明该方法是地震预测技术的一个可行的途径。     

基于灰色关联度的组合预测模型的性质

基于灰色关联度的组合预测模型是研究组合预测方法的一个新思路,实例结果表明它是一种有效的组合预测方法.针对该模型,提出新的优性组合预测、预测方法优超、冗余度等概念;在一定的条件下, 证明模型的任一个可行解对应的组合预测至少是非劣性组合预测; 给出优性组合预测存在的一个充分条件, 最后证明冗余预测方法的一个判定定理,这对组合预测方法有效信息的提取具有重要的意义.     

中长期水文预报的模型辨识及预测研究

 针对中长期水文预报的模型辨识进行研究,探讨了预处理、建模数据量和建模方式对于模型预测精度的影响。利用基于有限采样信息准则（FSIC）的组合信息准则（CIC）对模型进行定阶,结合Kalman滤波方法进行非线性预测研究。研究表明：① 在进行模型辨识时,如果预处理导致识别的模型复杂度大幅度降低,应通过模型的预测结果对预处理方法的合理性进行检验;② 建模数据量应足以反映时序的内在波动性,但并不是越多越好,过多的建模数据量会导致模型的复杂性大幅度增加,在增加计算耗时的同时,也降低了预测的稳健性;③ 滑动模型主要是改善了较高径流值和径流峰值的预测情况,相对牺牲了较低径流值的预测精度;④ Kalman滤波方法全方位、大幅度的提高了径流在各个区段的预测效果,其峰值预测准确率更是高达63.64%。     

基于多分支神经网络的深基坑变形多点预测

文章为研究基坑变形预测方法,根据基坑信息化施工对变形预测的需求,在分析当前常用预测方法的基础上,提出了基于多分支神经网络的深基坑支护变形多点预测方法,建立了深基坑锚杆复合土钉支护结构变形预测模型;采用Matlab7编写了预测程序,运用多步滚动预测方法,实现了对多个测点变形的实时预测;最后通过工程实例验证了模型的正确性和有效性.     

致密碎屑岩裂缝性储层预测方法综述

 致密碎屑岩裂缝性油气藏储量在低渗透储层总储量中占很大比例。致密碎屑岩裂缝性储层成为油气勘探开发研究的重要对象。当前,致密碎屑岩裂缝性油气藏勘探开发的最大难点在于如何对储层裂缝的发育程度和分布范围进行预测。准确进行裂缝预测对致密碎屑岩裂缝性储层的油气开发具有重要意义。本文对致密碎屑岩裂缝预测的方法进行了系统分析,从地质分析法、曲率法及构造应力场模拟、地震裂缝识别技术、测井裂缝识别技术和生产动态分析法5个方面对当前致密碎屑岩裂缝预测的主要研究方法现状进行了详细阐述,简要描述了各种方法的优缺点和应用条件;结合当前科学技术总体进展,指出致密碎屑岩裂缝预测研究的两个方面的发展趋势：单一的裂缝预测技术需要不断创新、综合多种方法各自的优势进行系统预测。     

船舶柴油机缸套磨损量灰色预测方法研究

为了解决船舶柴油机缸套磨损量的预测问题,对船舶柴油机缸套磨损量的预测方法进行了研究,提出了缸套磨损量的灰色预测方法。并对灰色预测模型的特点、模型精度的检验方法等做了介绍,最后进行了实例分析。研究结果表明,对船舶柴油机缸套的磨损量采用灰色预测是可行和有效的。     

组合预测误差平方和取值范围研究

应用矩阵理论,对组合预测误差平方和的取值范围进行了研究。给出了简单平均组合预测方法预测误差平方和较精确的取值范围,并得到了一些新结果;还给出了最优组合预测方法预测误差平方和达到上界的一个充要条件的证明。     

基于ARIMA—ANN的时间序列组合预测模型

目前,时间序列预测主要采用基于传统研究方法或人工神经网络技术的单一预测方法.近年来的研究表明,组合预测方法比单一预测具有更高的预测精度.提出了一种基于BP神经网络和ARIMA组合模型的预测新方法,对中国GDP的变化趋势进行了综合分析与预测,预测结果表明这种方法相对于单一的预测方法具有更高的精度,该模型在非平稳时序的预测中的应用是可行、有效的.     

风电功率预测系统的应用研究

对风电场进行功率预测是风电大规模并网的必然要求,本文总结研究了风电功率预测系统的政策标准、技术要求,系统构成与预测方法,并对研究应用现状及未来发展趋势进行了探讨。     

治安预测方法与技术比较研究

治安预测是犯罪情报分析中重要的情报分析方法,是警方的日常警务工作中经常使用的工具,该文对国内外治安情报预测方法进行了广泛的研究,分析并总结了目前治安预测主要的技术和方法,比较了国内外治安预测研究的不同点,展望了未来治安预测的发展方向。     

基于ANN-泊松模型的预测研究

目前,经济预测主要采用基于传统研究方法或人工神经网络技术的单项预测方法．近年来的研究表明,组合预测方法比单项预测具有更高的预测精度．本文提出了一种基于BP神经网络和泊松模型的组合预测新方法,对轮船发生事故进行了综合分析与预测,预测结果表明这种方法相对于单一的预测方法具有更高的精度,该模型在计数模型的预测中的应用是可行、有效的．     

动态网络链接预测研究

动态网络链接预测具有重要的理论研究和应用研究价值,受到了许多学者的关注。本文针对动态网络链接预测问题,全面、深入地分析和探讨了该问题的研究现状和最新进展;基于历史快照和时间感知两种动态网络链接预测技术手段,详细阐述了每种方法的设计思路,指出了不同方法的优点和不足;最后,概括和总结了动态网络链接预测目前仍然面临的研究挑战。     

储层裂缝预测研究现状与展望

储层裂缝研究是裂隙性油田勘探开发的一个难点。通过对目前国内外储层裂缝预测研究方法的概括小结,对其今后的研究方向进行了展望,并指出对储层裂缝孔隙度、渗透性及裂缝有效性方面的预测研究是今后储层裂缝预测的重点。     

中长期电力负荷预测研究综述

电力负荷预测是电力系统调度、用电、计划、规划等管理部门的重要工作之一.该文对电力负荷预测的概念及分类等问题进行了简要论述,重点分析了中长期负荷预测的特点、成熟方法,对中长期负荷预测方法进行了综述,并对负荷预测问题的研究方向提出了一些建议.     

基于GPS轨迹数据的混合多步Markov位置预测

随着移动设备和定位技术的广泛应用,基于位置服务成为研究热点,位置预测是其重要研究内容.基于GPS轨迹数据,对位置预测方法进行研究.Markov模型可以较好地表示时序数据,因此可较好地用于位置建模和预测.在基于Markov建模的位置预测中,1阶Markov模型存在轨迹信息利用不充分、预测准确率低的问题;而多阶Markov模型存在状态空间急剧膨胀的问题.针对这些问题,提出了基于混合多步Markov模型的位置预测方法,在将原始GPS轨迹转化为区域轨迹的基础上,对各多步模型进行融合,提出了基于Adaboost框架的各多步模型影响系数的生成方法,在保证状态空间不变的情况下提高了预测准确性.真实数据集上的实验验证了所提位置预测方法的有效性.