数据科学范式下的钙钛矿结构铁电新材料研究

 材料基因组计划倡导预测式新材料研发理念，推进高通量数据生产和利用技术，关注材料全生命周期价值。因此，材料基因组计划的执行需要在材料科学系统工程的框架下，集成统一计算、实验和理论等研究方法，以数据科学新范式为牵引、协同运用实验观测、理论建模和计算仿真研究范式，最终建立相关材料体系的性能与材料基因（原子系统的组成与结构）、工艺参数与使役条件之间的量化关系和数据库，实现新材料的按需设计和应用。本文在简单探讨科学研究范式、材料基因组计划和材料科学系统工程基本概念和方法的基础上，以钙钛矿结构氧化物铁电压电材料研究为例，探讨了数据科学范式下的新材料研究实践。结果表明，数据挖掘驱动的新材料设计确实可以降低探索时间和实验任务，加快新材料的发现和应用进程。     

基于神经网络的医疗诊断研究

主要工作集中在医疗数据的预处理和神经网络模型的训练.首先结合数据挖掘和自然语言处理技术,在保留医疗数据语义基础上对分词工具语料库进行补充,将中文数据分词,同时对其中大量冗余信息进行清洗,将中文数据转换成计算机可识别的编码,其次利用多种经典热门的神经网络模型来训练医疗数据,同时对比基于传统决策树模型的GBDT模型的训练结果,最后实验结果证明,对于多种疾病诊断,神经网络模型的效果要优于其他模型,诊断准确率接近90%.     

改进GA-BP神经网络在高校教学质量评价中的应用

为了提高高校教学质量评价的有效性和准确性,提出了一种基于混合智能优化算法的教学质量评价模型。引入熵值法客观地确定教学质量评价体系的指标权重及初始评价结果,利用自适应变异的遗传算法(Genetic algorithm)优化BP神经网络(Back propagation neural network)的参数,建立教学质量评价模型。实验结果表明,与BPNN(Back propagation neural network)、GA-BPNN(Genetic algorithm-back propagation neural network)模型相比,预测精度分别提高15.04%和5.41%,收敛速度明显提高,说明基于自适应变异的GA-BPNN教学质量评价模型能够及时有效地完成教学质量评价。     

转录因子BACH1的研究进展

转录因子BTB-CNC同源体1(BACH1)在大多数哺乳动物组织中广泛表达，在氧化应激、细胞周期、血红素稳态、炎症和免疫等方面起到关键的调节作用。近年来关于BACH1在心血管疾病、干细胞多能性维持和肿瘤等方面作用的研究有了突破性的进展。全基因组关联研究提示BACH1与心血管疾病密切相关。BACH1参与缺血性疾病后血管新生、高血压、动脉粥样硬化等多种心血管疾病的发生和发展。BACH1是维持干细胞干性和中内胚层分化过程中的关键因子。BACH1通过重编程肿瘤代谢以及改变上皮 间充质转化表型，促进肿瘤增殖转移，同时可能通过铁死亡抑制肿瘤生长，在肿瘤中有双重功能。BACH1作为一个转录因子，有调控自身表达的能力，并且对下游靶基因具有转录激活和转录抑制作用。细胞表型和状态的不同、体内环境以及共调节因子的招募均会对BACH1的转录产生影响。文章对BACH1研究进展进行综述。     

基于特征碘离子的非靶向筛查鉴定河北省地下水中碘化消毒副产物

联合高分辨质谱和碘化消毒副产物(I-DBPs)的特征质谱性质, 建立一套完整的非靶向分析方法。以河北省17口监测井为研究对象, 筛查地下水样品中I-DBPs的种类、数量及分布。共筛选出含有同分异构体的I-DBPs疑似离子2408种, 其中不同质荷比的数量为839, 远高于以往研究报道的I-DBPs数量。疑似I-DBPs离子中, 对碘离子响应强度排前十位的离子进行结构鉴定, 其中响应强度排前两位的两种离子被鉴定为酚类I-DBPs, 其发育毒性比对应的脂肪族I-DBPs高数十至数百倍。进一步的分析结果表明, 酚类I-DBPs是样品中主要的I-DBPs 类型之一。最后, 通过主成分分析, 讨论2408种疑似I-DBPs的分布特征。根据主成分分数, 筛选出明显偏离其他采样点的3个采样点。根据装载因子, 通过高斯混合模型对疑似I-DBPs进行聚类, 得到4类离子, 其中3类离子分别属于3个离群采样点的特征污染物。这些结果表明, I-DBPs的分布在河北省内的不同地区具有明显的差异性和复杂性。     

基于回转输运试验的煤散料离散元接触参数修正

为获取精确的刮板输送机离散元模拟结果，基于回转输运试验，通过响应面法对煤料的接触参数进行修正.采用Plackett-Burman试验考察接触参数对受力及堆积角的影响，发现煤-钢静摩擦系数、煤-煤摩擦系数具有显著正效应.根据爬坡试验结果，以受力及堆积角为响应值规划Box-Behnken试验，建立受力、堆积角与显著项间的二次回归多项式，以实测数据为目标值求得最佳参数:煤-钢静摩擦系数为0.401，煤-煤静摩擦系数为0.333，煤-煤滚动摩擦系数为0.041.通过不同输运条件下的回转试验验证了参数的准确性，为刮板输送机的离散元研究提供参考.     

复掺配合比对自密实高流态混凝土性能影响

为了优化自密实高流态混凝土配合比,提高混凝土工作和力学性能,分别以胶凝材料、砂率和外加剂组分为关键变量,采用单一控制变量法,通过改变材料组分掺合量探究对自密实高流态混凝土性能影响.结果 表明:当胶凝材料在500～530kg/m3时,有较高流动性;超过530kg/m3时,间隙通过性效果好;低于530kg/m3时,可降低离析率.砂率为48％～50％时,拌合物流动性、间隙通过性较稳定,继续增大,抗离析性效果欠佳.当外加剂增大,流动性增加而抗离析性降低,外加剂为1.0％～1.2％时,对间隙通过性影响较小,与流动性、抗离析性较统一.随胶凝材料、砂率和外加剂各自增大,胶凝材料对3d、7d和28d抗压强度均有影响,砂率对3d抗压强度影响显著,外加剂对28d抗压强度影响明显.     

小样本下基于卷积神经网络的费用估算研究

在当前的费用估算模型较依赖数学模型、无法根据样本大幅度调整模型参数的现状下,针对导弹特征属性和研制费用公开样本稀少以及不同型号的导弹样本对待预测样本的参考意义不同的问题,提出了小样本下基于卷积神经网络的导弹研制费用估算模型.为解决小样本和样本贡献值问题,结合双三次插值算法和反距离加权插值算法对导弹原始样本集进行插值.采用导弹研制费用卷积神经网络估算模型对插值样本进行学习,得到导弹研制费用估算结果.通过与线性回归、神经网络、支持向量机、WPCA&WSVR几种模型的对比实验,验证该模型在整体估算效果上优于其他模型.     

充填体强度影响因素及组合预测模型

水灰比、堆积密实度和比表面积是充填体强度的重要影响因素，但有关各因素对强度影响显著性的研究较少，为此通过3因素5水平正交试验，分别对龄期为3d，7d和28d的试块开展单轴抗压强度试验.对试验结果进行方差分析，获得不同龄期各因素F统计值比(水灰比∶堆积密实度∶比表面积):3d为698.404∶26.148∶0.910，7d为862.626∶35.465∶1.286，28d为1585.404∶31.695∶1.338.分析各因素F统计值和P值，确定因素显著性大小关系为:水灰比>比表面积>堆积密实度;水灰比和比表面积为主要影响因素，堆积密实度为次要因素，所以控制水灰比可以有效控制充填体强度.绘制各因素水平趋势图，以最有利于充填体抗压强度原则确定最优组合为水灰比1.2，比表面积410m²/kg，堆积密实度0.6%.改变最优配比中水灰比值，开展30组不同水灰比的3d，7d和28d试块的抗压强度试验.以试验强度为原始数据，结合灰色预测、模糊分类和马尔可夫理论，建立3d，7d和28d试块强度组合预测模型；分析实测值与GM(1，2)模型、曲线回归模型和组合模型预测平均相对残差，结果表明，组合模型较其他模型具有较高的精度和稳定性.     

基于改进CLDNN的辐射源信号识别

传统辐射源信号识别方法往往需要人工提取特征,不仅对专业知识要求较高,而且人为选择的特征不能够保证适用于大多数类型信号的识别,识别精度和识别速度也不能兼顾。针对上述问题,将语音处理领域常用的深度学习模型——卷积长短时深度神经网络(convolutional long short-term deep neural network, CLDNN)引入到辐射源信号的识别中,并将该模型中的长短时记忆层改为双向门控循环单元层。模型的输入为原始时间序列数据,特征提取和分类识别过程均在网络中进行,避免了人工选择特征的不完备性。实验结果表明,所提模型在低信噪比情况下也能够有效识别信号类型,同时与其他模型相比,实现了识别精度和识别速度之间的平衡。