用于高维时序数据预测的非同步尺度主成分分析

针对时间序列数据预测过程中可能面对高维或超高维的预测变量,同时考虑变量的时序特征及预测的非同步性,提出用于时序数据预测的非同步尺度主成分分析方法。首先构建单个预测变量和被预测变量的非同步线性回归,通过可决系数选取单变量的最佳滞后阶数,并将回归系数赋权与相应的预测变量得到赋权预测变量,并通过主成分分析对赋权预测变量降维,即非同步尺度主成分分析。将该方法用于消费者物价指数增长率的预测,结果表明经非同步尺度主成分分析降维的预测精度高于传统降维预测的方法。     

基于SSA-LSTM-GF的混凝土坝变形预测方法

针对混凝土坝变形分析预测的复杂性,应用相空间重构思想和融合建模理念,提出了一种基于SSA-LSTM-GF的混凝土坝变形分析预测方法。SSA-LSTM-GF方法利用奇异谱分析法(SSA)将变形实测数据序列分解为趋势分量、周期分量和剩余分量,并将剩余分量视为噪声分量予以剔除;采用长短期记忆神经网络(LSTM)模型和高斯拟合(GF)算法分别进行周期分量和趋势分量的分析预测,并将二者结果进行叠加重构,得到最终预测结果。实例验证结果表明,SSA可以达到较好的数据分解和消噪效果,LSTM模型针对周期分量的预测性能优越,GF算法能够很好地实现趋势分量的拟合预测和部分信息的挖掘提取,LSTM模型和GF算法的成果重构效果良好,SSA-LSTM-GF方法具有一定的可行性和应用价值。     

含MA误差的线性模型的经验似然推断

采用拟极大似然估计方法获得含MA误差的线性模型估计方程。为了能够使用经验似然方法,先利用鞅差序列将估计方程中的二次型转化为线性形式;再构造关于模型参数的经验似然比统计量,在一定假设条件下证明该统计量渐近服从卡方分布;模拟结果表明,在参数置信域的覆盖率方面,经验似然方法比参数似然方法更接近置信水平。     

满江红鱼腥藻glnA基因上游调控区的克隆及其序列分析

以满江红鱼腥藻（Ａａｃ）提取总ＤＮＡ为模板,通过ＰＣＲ技术,扩增得到其谷氨酰胺合成酶基因（ｇｌｎＡ）上游区．经酶切得到４０９ｂｐ的片段,并将其连接到ｐＢｌｕｅｓｃｒｉｐｔⅡｋｓ＋上测序．将测序结果与Ａｎａｂａｅｎａ７１２０调控序列比较,有９８２％的同源性．在上游调控中也具有ｎｉｆｌｉｋｅ和Ｅ．ｃｏｌｉｌｉｋｅ启动子,值得注意的是,调节蛋白ＶＦ１的结合位点正好位于ｎｉｆｌｉｋｅ启动子上．所克隆的片段不但对蓝藻固氮、泌氨的基因调控研究具有意义,也对表达载体的构建具有实用价值．     

层状岩体垒积序列差异性SCW-R/S分形模型

依据已有的一些力学分析结果、模型模拟结果和地质体中构造变形破坏的特征,指出层状岩体垒积序列差异性是控制地质体在法向上构造变形破坏的内因.并建立了定量描述它的SCW-R/S分形模型,使得不同地质体的差异性具有定量可比性;同时初步推测了它与构造变形间的表观关系.     

鲁西地区产业结构优化的总体构想和产业发展序列研究

采用定量和定性相结合的分析方法及产业职能分类法,探讨了鲁西地区（京九铁路辐射地带）产业结构优化的总体构想和产业发展序列,提出了优先发展主导产业,积极扶持潜导产业;提高支柱产业素质,保持以柱作用;配套发展关联产业;有重点地发展基础性产业;在宽“瓶颈”产业;大力发展乡镇企业的意见。     

基于Bayes准则的广义判别预报模式及其应用

根据Ｂａｙｅｓ准则,提出一种时间序列与多元分析相结合的广义判别模式．该模式既保留了时间序列线性模式的优点,同时又吸收了多元分析线性模式的长处．从气象状况演变的物理机制来看,这种综合考虑系统状况的方法比单纯考虑前期状态演变或单纯考虑某一时次的状态更有意义．     

DNA序列中“词”的自重叠性对其分布的影响和异常“词”的鉴别

从语言学的角度来看基因序列,一个ＤＮＡ序列可以看成是由字母Ａ,Ｇ,Ｃ,Ｔ组成的有限的字符串,以一定的语法和词法结构为转录机器所识别．那么,词在序列中是如何分布的？文中研究了在不同状况下的单词的理论分布,证实了单词（即ＣＯＤＥ）的自重叠性对单词在序列中的概率分布的有极大的影响,并就实例验证了这一点．结合经验分布,提出了两种在ＤＮＡ序列中鉴别异常单词的方法．得出结论：字母Ａ,Ｇ,Ｃ,Ｔ等概率出现和不等概率出现是判别单词是否异常的重要条件．     

灵长类酪氨酸酶基因外显子1序列进化研究

酪氨酸酶是黑色素合成当中的关键酶,酪氨酸酶基因的突变将导致白化病,测定了黑猩猩,倭黑猩猩,大猩猩、猩猩、长臂猿、食蟹猴、猴猴９个灵长类中代表物种的酪氨酸酶基因外显子１的ＤＮＡ序列。     

关于序列式回缩性的标记

设α（Ｅ,Ｅ）为介于弱拓扑σ（Ｅ,Ｅ）和Ｍａｃｋｅｙ拓扑τ（Ｅ,Ｅ）之间的Ｈｅｌｌｉｎｇｅｒ－Ｔｏｅｐｌｉｔｚ拓扑,称诱导极限（Ｅ,ｔ）＝ｉｎｄ（Ｅｎ,ｔｎ）的α－序列式回缩的,若（Ｅ,α（Ｅ,Ｅ）中每个收敛于０的序列必含于某Ｅｎ且为（Ｅ,α（Ｅｎ,Ｅｎ）中收敛于０的序列,我们证明了：α－序列式回缩性蕴涵正则性,特别地,我们证明了下述结论：若诱导极限（Ｅ,ｔ）＝ｉｎｄ（Ｅｎ,Ｔｎ）中每个收敛于０的