低沸点烷烃Kovats指数的拓扑结构研究

本文应用拓扑指数法研究烷烃化合物的色谱保留指数，并通过多元回归分析得到了烷烃的拓扑结构与色谱保留指数的良好的相关性，当测得某一有机物的保留指数时便可估计其结构特征，从而为烷烃化合物的色谱定性分析提供了可靠的信息。     

基于过程数据的动态PLS建模

许多工业过程中获得的输入输出数据在时间、空间上是高度相关的,且含有测量噪声。针对此类数据,提出采用动态PLS方法,最大化输入和输出变量矩阵之间的协方差,保留大部分有用信息,去除测量噪声,把高维数据空间降维,建立较为精确的工业过程数学模型。提出对MIMO系统进行研究,推导了可直接用于控制的动态PLS模型数学公式。对一个工业过程实例进行仿真,分别应用动态PLS回归和线性回归MLR方法,得出的结果经分析验证了此算法的有效性。     

多星载光学传感器系统误差极大似然配准算法

针对低轨星座协同探测弹道目标过程中存在系统误差的问题，提出多星载光学传感器系统误差极大似然配准（maximum likehood registration，MLR）算法。通过一阶Taylor近似对非线性量测转换线性化，推导出目标状态的误差协方差与卫星轨道定向、姿态角测量和传感器测量等随机误差的关系，并基于视线交叉获得观测在状态空间中的近似投影，从而将MLR算法扩展到低轨星座多光学传感器的误差配准。通过引入各类测量误差的先验信息对目标状态的误差协方差进行修正，利用期望极大化迭代，实现了对系统误差的无偏有效估计及目标轨迹的融合估计。仿真验证了所提算法的有效性，且配准性能优越。     

影响镧系金属离子的结构参数与配合物稳定常数的关系研究

研究了镧系金属离子的EDTA配合物稳定性常数（log K）的变化规律及其影响因素,以一组参数（如离子半径、4f电子数、电负性以及所定义的周期因子）作为镧系金属离子的结构参数对其进行定量表征,采用MLR建立结构与log K值之间的显式QSPR模型,交互验证结果表明,所建立的模型具有很好的内在稳定性。     

MLR分布族无失效时可靠度的置信下限

本文讨论了MLR分布族无失效数据时可靠度的经典置信下限问题和指数分布无失效致据时可靠度的Bayes置信下限问题。     

镧系元素键参数与物性的多元回归分析

通过对镧系元素的键参数与物理化学性质的多元线性回归（MLR）分析，得到了良好的线性相关性。     

醇的拓扑指数与色谱保留指数的相关性研究

在色谱分析中，应用拓扑指数法研究醇类化合物的色谱保留指数，并通过多元回归分析得到了有机结构与色谱保留指数的良好的相关性，为定性分析提供可靠的信息。     

基于长短期记忆神经网络模型的空气质量预测

随着城市化和工业化的快速发展,空气污染问题日益突出,空气质量预测显得尤为重要。当前一些有代表性的研究对空气质量进行实时监测和预报,例如周广强等采用数值预报的方法对中国东部地区的空气质量进行分析,但其实验结果表明该方法难以预测非常重的污染;SANKAR等使用多元线性回归对空气质量进行预测,但其实验结果表明线性模型预测精度低、效率慢;PéREZ等使用统计方法对空气质量进行预测,实验结果证明统计方法的预测精度比较低;WANG等采用改进的BP神经网络建立了空气质量指数的预测模型,其实验验证了BP神经网络收敛速度慢、容易陷入局部最优解的问题;YANG等利用相邻网格的空气质量浓度效应,建立了基于随机森林的PM_(2.5)浓度预测模型,通过实验过程证明网格划分程序削弱了后续空气质量分析的质量和效率。这些方法都难以从时间角度建模,其中预测精度低是比较重要的问题。因为预测精度低可能会导致空气质量预测结果出现较大的误差。针对空气质量研究中预测精度低的问题,提出了基于长短期记忆单元(long short-term memory,LSTM)的神经网络模型。该模型使用MAPE,RMSE,R,IA和MAE等指标来检测LSTM神经网络与对比模型的预测性能。由于Delhi和Houston是空气污染程度比较严重的城市,所以使用的实验数据集来自Delhi的Punjabi Bagh监测站2014—2016年的空气质量数据和Houston的Harris County监测站2010—2016年的空气质量数据。LSTM神经网络与多元线性回归和回归模型(SVR)的比较结果表明,LSTM神经网络适应多个变量或多输入的时间序列预测问题,LSTM神经网络具有预测精度高、速度快和较强的鲁棒性等优点。     

分子距边矢量用于卤代甲烷及卤代乙烷沸点的估计与预测

基于分子距边矢量（ＭＤＥ）,借助多元线性回归技术（ＭＬＲ）建立起描述卤代烃沸点变化规律的定量结构－性质相关关系（ＱＳＰＲ）模型,其复相关系数Ｒ＝０．９９３５,均方根误差ＲＭＳ＝１０．０７Ｋ。最后５次随机选取２５个化合物作预测集,以余下的６２个化合物作校正集建ＱＳＰＲ模型（Ｒ＝０．９９２８,ＲＭＳ＝１０．８８Ｋ）,并有效地预测了沸点（Ｒ＝０．９９２５,ＲＭＳ＝１１．７８Ｋ）。结果表明,模型的预测能力良好。另外,还运用所建立的模型对３０个未知沸点的卤代甲、乙烷的沸点值进行了预测,根据预测出的沸点数据指出了ＣＦＣ１１,ＣＦＣ１２和ＣＦＣ１１３的一些可能的代用品。