基于过采样支持向量机的煤与瓦斯突出预测

基于机器学习的煤与瓦斯分类预测方法中,各突出案例的数量不平衡会导致预测准确率降低。为了提升煤与瓦斯突出预测模型的准确率及稳定性,构建了过采样算法和支持向量机(support vector machine, SVM)组合的分类预测模型。首先,通过聚类分析将突出样本分成多个簇,在每个簇中对可能的噪声点按概率去除;然后通过过采样算法合成新样本,以减少样本数量不均衡对模型训练的影响;最后,用支持向量机模型结合粒子群算法对新数据集进行训练调优。实验结果表明:提出的模型在G-mean、曲线下面积(area under curve, AUC)值上均高于传统的分类模型,具有更强的算法鲁棒性,并且随着突出样本数量的减少,其优势更加明显。     

考虑道路受损的震后应急物资运输路径优化

为了在地震发生时提高应急物资配送效率, 降低人员伤亡与经济损失,将道路受损作为影响应急物资配送的重要因素。以多应急物资种类、多配送中心为背景,考虑应急物资配送时间窗约束,建立总时间和总成本最小的双目标模型。结合模型的特点,设计了遗传算法与模拟退火算法相结合的混合算法,算例结果表明,该算法具有较快的收敛速度和求解结果。进一步对比考虑道路受损和不考虑道路受损的情况,结果表明：考虑道路受损在配送总时间、总费用和产生惩罚成本的时间都有所降低,进一步验证了模型的优越性。可见该模型和算法可以有效地解决考虑道路受损的应急物资配送路径优化问题,提高应急物流效率,减少地震带来的损失。     

基于信息增益优化支持向量机模型的煤矿瓦斯爆炸风险预测

为了探索基于样本数据的煤矿瓦斯爆炸风险预测,依据本质安全理念构建了预测瓦斯爆炸风险的指标集,结合机器学习与特征优化算法提出了信息增益(information gain,IG)与支持向量机(support vector machine,SVM)的组合模型,通过对优化后的14种特征信息的分类学习,完成对风险未知样本的预测任务.以全国100家煤矿企业为研究对象,使用不同模型分别预测瓦斯爆炸风险并全面分析和比较,实验结果表明,经过IG优化后的SVM模型预测正确率达到了95.45％,相对于单一SVM模型提高了9.09％,同时高于其他预测模型,证明了该组合模型在瓦斯爆炸风险预测领域的优越性.     

亨廷顿舞蹈病神经早期发育的研究进展

亨廷顿舞蹈病（Huntington’s disease,HD）是一种由遗传发生扩增的胞嘧啶—腺嘌呤—鸟嘌呤（cytosine-adenine-guanine,CAG）重复序列引起的神经退行性疾病。更多的证据表明突变型亨廷顿蛋白（m HTT）对大脑的神经发育具有一定影响，因此发育因素同样在其疾病进展中起着至关重要的作用。聚焦m HTT对HD神经发育过程的影响，论述大动物模型在HD发育研究中的优势，并探讨早期调控治疗HD的潜力，为早期治疗亨廷顿舞蹈病奠定基础。     

论高校知识产权意识的培养

在进入知识经济社会的今天,科研人才和科技成果备出的高校知识产权文化的培育在我国知识产权文化发展进程中显得至关重要。不仅要建立一套符合实际的知识产权促进与保护体系,而且还要全面提高高校研究人员,甚至普通学生的知识产权素质,以培育高校知识产权文化,进而促进知识产权文化在中国的生长。     

乒乓球男双比赛中马林/陈玘对波尔/许斯的技战术分析

目的为马林/陈玘的男双训练、比赛提供定量数据,以进行针对性训练。在继承乒乓球科研三段法的基础上,结合乒乓球项目特点,建立双打技战术模型,将马林/陈玘对波尔/许斯的两场重要国际比赛,分为8个发接球轮次,运用Simi Scout技战术视频分析软件,进行统计分析,希望能对乒乓球双打技战术科研工作提示新的思路和方法。