新型冠状病毒肺炎传播动力学模型构建与分析

为研究新型冠状病毒肺炎(简称新冠肺炎)传播机理和传播风险，预测疫情发展趋势，对政府制定相关疫情防控政策提供帮助，提出了一种新的新冠肺炎传播非线性动力学模型(SLEIR)。该模型考虑到疫情中采取保护措施的人群，将其作为低危群体加入到模型中；通过对模型的基本再生数、平衡点、稳定性和分岔等进行分析，揭示新冠肺炎传播机理；利用印度新冠肺炎真实数据对模型参数和部分状态初值进行最小二乘拟合，根据拟合的参数对印度疫情发展趋势做出预测。该模型对印度3～4月、4～5月两阶段疫情预测平均相对误差分别为4.107%和2.805%,对于印度10月最新的疫情，预测平均相对误差为3.266%,预测结果表明SLEIR模型具有较好的预测效果。与传统SEIR模型相比，该模型能适应印度疫情复杂的变化趋势，且具有更高的预测精度，可以为政府选择合适的防控措施提供技术支撑。     

基于概率图模型的危险驾驶罪刑期预测

针对司法实践中对于可解释性及预测性能的需求, 本文提出了一种基于概率图模型的量刑智能辅助方法. 该方法以量刑要素为基石建立含有隐节点的概率图模型, 由极大似然准则估计刑期分布的参数, 进而计算分布的数学期望得到预测值. 关于危险驾驶罪的实验结果表明, 概率图模型的预测准确率优于基于决策树和神经网络等的模型, 且具有良好的可解释性.     

峰值电量约束下的场桥能耗最小化问题研究

随着化石能源的大量使用带来的环境污染问题日益严峻,关注能源使用效率的集装箱港口绿色化运营研究成为近年来的热点之一.本文以集装箱堆场中需要执行预倒箱作业的场桥为研究对象,考虑场桥不同运行状态下的单位时间电量需求不同以及峰值电量实时约束,建立了以总能耗最小化为目标的多场桥调度问题的混合整数规划数学模型.继而,将关键变量利用非连续贝和连续贝两种不同的方式进行编码,将次级变量利用启发式规则进行解码,并设计了相对应的遗传算法交叉与变异方法.数值实验表明,连续贝编码方法表现更为优异;通过与Cplex在小规模算例中的比较,与粒子群算法及人工蜂群算法在大规模算例中的比较,验证了所设计遗传算法的有效性.同时,通过与传统策略的对比,表明本模型可以同时实现能耗总需求与峰值需求两方面的优化,从而可以为港口管理人员在不影响既定日常运营工作的前提下降低能源成本提供科学有效的指导.     

Curcin和curcin C与腺嘌呤互作位点的比较分析

麻疯树核糖体失活蛋白curcin和curcin C均具有抗肿瘤活性，但后者的活性水平显著高于前者，为了探索造成这一差异的结构基础，本文采用在线的同源建模预测软件SWISSMODEL，对两种麻疯树核糖体失活蛋白curcin、curcin C的三维结构模型进行预测，采用SYBYL对预测模型进行能量最小化优化，采用PROCHECK、VERIFY 3D和ERRAT软件对优化前后的模型进行质量评估，随后采用AutoDock软件将预测的模型与腺嘌呤进行分子对接分析.结果显示，两种蛋白采用与Ricin A类似的方式与腺嘌呤相互作用，但在相互作用的氨基酸残基种类、数量以及形成的氢键和疏水相互作用上还是存在差异，其中，curcin C与腺嘌呤具有最强的结合能力，curcin则最低.     

间隙球铰接触区域快速检索及磨损问题高效求解方法

针对多体系统中间隙球铰接触磨损计算效率低的问题,提出一种基于查找表的间隙球铰接触区域检索和磨损预测方法。将球铰接触界面离散化,并将离散点的几何位置、运动参数及磨损信息存储为查找表;任一瞬时球铰内接触探测可通过检索查找表的方式来实现,避免逐点计算空间距离的复杂性;采用修正的赫兹接触模型求解微间隙球面共形接触问题,相对有限元方法有较高计算效率,并可获得较精确的应力分布;在统一计算模型下实现多体力学与接触磨损分析的有效集成。含间隙球铰的空间连杆机构动力学与磨损耦合分析结果表明:曲柄105转磨损周期内,球铰磨损区域基本位于纬度-30°～80°之间,在经度方向的磨损区域随时间而逐渐扩展;总计算耗时为83min,较有限元接触磨损分析具有更高的计算效率。     

基于序列特征的点击率预测模型

点击率预测模型是主流推荐系统中十分重要的部分.根据点击率预测的打分来调整商品的展示策略,对提高业务的转化率、改进用户体验等有着重要的意义.传统的点击率预测模型是利用用户特征和商品特征,对点击率进行预测.然而,用户行为序列的结构特征,如周期性规律、趋势等也能一定程度地体现用户行为的倾向.针对部分信息利用上的空缺,使用时间序列分析单元,将提取用户行为序列的特征作为用户特征的扩展,结合因子分解机结构将其与用户、商品特征进行交叉,能够有效提高特征质量,优化点击率预测模型的性能.实验表明,结合用户行为序列特征进行交叉优化的方法能够对点击率预测模型的表现带来很大提升,提高点击率预测的精度.     

数据不完备下基于特征识别的公交客流短时预测

识别公交客流特征是提高短时预测质量的关键。但由于设备故障、数据收集受限等原因,客流数据属性往往是不完备的,这给特征识别和客流预测带来了挑战。文中以缺少乘客属性数据的长沙市104路公交卡数据为样本,利用卡号与出行时间的关联性识别乘客出行频次,以此作为区分出行特征的变量,将客流总集划分为不同的特征子集,依据子集规模、方差确定变量最佳取值,推断客流特征。与直接预测客流总集相比,文中为每类子集建立季节性差分自回归滑动平均(SARIMA)模型分别进行预测,整合后得出的样本外平均绝对误差改善了36.11%,依据乘客出行特征建立的预测模型拟合度为0.95,可有效识别公交客流特征。