基于自动特征提取方法的太阳耀斑预报模型

在太阳耀斑预报模型中,首先需要从原始观测数据中提取刻画太阳活动区特性的物理特征参量,然后使用统计或机器学习方法寻找物理特征参量与太阳耀斑发生的关系,以达到建立太阳耀斑预报模型的目的.其中,太阳活动区物理特征的提取在整个建模过程中发挥着重要的作用,活动区物理特征的优劣直接决定着预报模型性能的高低.然而,随着机器学习技术的发展,机器学习方法中的深度学习算法能够从原始数据中自动提取特征,并建立预报模型.本文利用深度学习方法建立了一个太阳耀斑预报模型.与先提取活动区物理参量、再建立预报模型的传统机器学习方法相比较,本文所建立的预报模型具有更好的预报性能.     

浅谈对内部控制的认识

文章以内部控制的涵义为起点,对内部控制的发展阶段和我国内部控制的建设进行了阐述从三个方面提出我国应建立和完善内部控制.     

浅谈对内部控制的认识

文章以内部控制的涵义为起点，对内部控制的发展阶段和我国内部控制的建设进行了阐述从三个方面提出我国应建立和完善内部控制。     

以豚草为例利用GIS和信息理论的方法预测外来入侵物种在中国的潜在分布

外来物种入侵已经对世界各国的经济、公共健康、农业生产力和生态完整性造成了越来越大的威胁, 描述和预测外来入侵物种的空间分布对物种入侵的防治和早期预警起着重要的作用. 生物多样性数据的不对称性以及生物建模过程中模型选择的不确定性给入侵物种空间建模带来了困难和局限. 本研究利用统计学和信息理论的方法, 从地学空间制图和生物建模的角度研究了外来入侵物种(以豚草Ambrosia Artemisiifolia L.为例)的潜在分布以及环境影响因子, 提出了一种改进的logistic回归模型. logistic回归模型的选择基于Akaike信息标准(AIC), 针对物种数据的不对称性, 本研究提出了一种新的频率统计的方法去划分物种源生地的适应性生存环境. 最后, 我们把在源生地建立的模型和分类标准投影到入侵地绘制了该物种在入侵地的相对适应性分布图.     

太阳耀斑预报研究进展

太阳耀斑是指发生在太阳表面局部区域中突然和大规模的能量释放过程.它是空间环境的主要扰动源,对地球空间环境造成很大影响.太阳耀斑预报是空间天气预报的重要组成部分,对其研究具有重要的实用价值和科学意义.现有的大部分太阳耀斑预报模型是从观测数据提取预报因子,利用各种统计和数据挖掘技术建立预报因子与耀斑发生之间的关系模型,利用建立的模型对未来时间的耀斑发生进行预报.在预报研究中,预报因子、预报方法和预报模型是3个主要研究领域.其中预报因子的选取和数据处理尤为重要,是建立预报模型的前期工作.预报因子主要采用太阳黑子、磁场参量和分形因子等.预报方法包括统计方法、机器学习方法和数据同化方法.统计方法在早期的耀斑预报建模中用的较多,随着数据挖掘技术的发展,越来越多的机器学习方法应用到预报模型中并取得了较好效果.而近期发展的数据同化方法有更好的模型修正能力.预报模型早期基本使用静态模型,后来发展起来的动态模型具有更强的优势;而自组织临界模型在物理方面给了耀斑发生更多的解释.本文分别从这3个方面总结了耀斑预报的研究进展,结合中国科学院国家天文台太阳活动预报中心的工作,评述了一些重要的研究成果.最后,对未来的研究方向进行了总结和展望.     

建筑物非线性变形动态预测的数据机理:自记忆模型

综合考虑建筑物沉降变形时间序列的单调增长的特殊性和非线性特征,利用动态数据反演建模方法和自记忆性方程,提出了一种随机与动力相结合的建筑物非线性变形预测的数据机理:自记忆模型.该方法将观测到的建筑物沉降位移时序数据视为描写建筑物变形非线性动力系统的特解,运用反演动力模式方法导出系统的微分方程,通过引入记忆函数,将制约动力系统的微分方程推演成一个差分-积分方程,从而建立建筑物沉降非线性变形预测的动力系统自记忆模型.由于该模型用历史资料估计记忆系数,蕴含了历史资料中对预测有用的信息,所以能很好地预测出系统极值,克服了以统计为基础的预报模型在做多步预测时预测值偏向平均值的缺点,较以往单一的确定论或随机统计论预测方法具有更高的拟合精度和预测准确率.将该方法用于实际工程建筑物沉降变形预测,证明了该模型的有效性及可行性.     

驾驶经验与横向控制的ACT-R认知体系结构建模

ACT-R(adaptive control of thought-rational)是一种认知体系结构的理论和计算模型.本研究使用模拟汽车驾驶比较了新驾驶员与熟练驾驶员横向控制绩效的差别,并运用基于ACT-R的驾驶员绩效模型对2类驾驶员的横向控制行为建立计算仿真模型,分析其心理机制,得到以下主要结论:(1)新驾驶员的横向控制技能不足,表现为横向偏差显著地大于熟练驾驶员,同时这一不足在弯路时比直路时更明显,新驾驶员弯路行驶时显著地偏向弯道外侧,而熟练驾驶员不发生外侧偏移;(2)使用认知体系结构建模的方法,以较近和较远的视觉注意点远点距离,可以模拟仿真出2组驾驶员弯路行驶外侧偏移的差异.本研究的方法和结果可以为改进驾驶培训和开发智能驾驶辅助系统提供认知心理学上的理论支持,也能为以ACT-R为代表的计算认知模型应用提供样例和经验.     

基于统计建模的可训练单元挑选语音合成方法

提出了一种基于统计建模的可训练单元挑选语音合成方法. 在模型训练阶段, 提取训练语料库中的多种声学参数并训练各自对应的统计模型; 在合成阶段, 基于统计模型的最大似然准则实现语料库中最优备选单元序列的挑选; 最终通过波形拼接输出合成语音. 实验结果表明, 该方法可以有效改善传统单元挑选与波形拼接语音合成方法在系统构建自动化程度低、对专家知识依赖性强、以及合成效果稳定性不足等方面的问题. 此外, 针对单元挑选语音合成的特点,提出了一种新的最小单元挑选错误准则, 采用区分性模型训练方法进行模型参数的更新, 实现了系统构建的全自动化, 并进一步提高了合成语音的自然度.     

考虑复杂机架柔性的并联构型装备刚度半解析建模方法

刚度建模是并联构型装备(PKM)设计的重要内容. 以5自由度混联机器人TriVariant-B为例, 提出了一种考虑复杂机架柔性的并联构型装备整机静刚度半解析建模方法. 该方法借助子结构综合思想, 将整机结构分解为机构和机架两个子系统, 分别采用解析法和有限元静态凝聚技术建立两者的刚度模型, 继而根据线性叠加原理构造整机刚度模型. 在建模过程中, 利用虚功原理和全变形雅可比矩阵构造出各子系统的刚度矩阵, 并侧重研究约束支链弯曲刚度及机架/机构界面刚度处理问题. 在此基础上, 考察整机系统刚度在任务空间中的分布规律, 借助全域性能指标评价各子系统中主要构件弹性对整机刚度的影响, 并通过有限元和实验验证了该方法的有效性     

浅谈电算化条件下的内部会计控制

文章简要介绍了会计电算化的发展历程及其在现代企业管理中的重要作用以及对企业内部控制方面的重要影响,分析了当前会计电算化与传统会计系统相比所存在的一系列问题,并相应提出了企业加强会计电算化内部控制的部分措施.     

基于网络数据分析的心理计算:针对心理健康状态与主观幸福感

大规模地实时计算民众的心理特征有利于维护社会的和谐稳定,但传统的心理测验方法不能有效地满足上述需求.本研究提出了基于网络数据分析的心理计算方法,通过分析用户的"微博"数据建立心理计算模型(心理健康状态计算模型与主观幸福感计算模型),据此来计算民众的心理特征.研究结果显示,心理计算模型的建模效果良好,而建模方法与建模目标是影响建模效果的两个重要因素.本研究表明,可以通过分析网络数据来计算民众的心理特征,此方法有利于改善心理测验的实施规模与施测效率.     

论加强企业内部控制的必要性

随着经济的快速发展,内部控制在财务活动中的重要性日益显现,文章论述了如何完善内部会计控制制度,提高管理水平,对企业的发展有着至关重要的作用。     

灰色动态模型(GM)及在粮食长期预测中的应用

本文的灰色动态模型(GM),是灰色系统理论的五步建模思想的核心,它是沟通社会科学与自然科学的工具,能使社会经济系统量化、模型化、动态化,是分析社会经济系统的重要手段。将GM模型与残差辨识相结合建立了我国粮食的长期预测模型。用此模型取得了我国粮食总产从1983年直到2000年的预测值。     

论加强企业内部控制的必要性

随着经济的快速发展,内部控制在财务活动中的重要性日益显现,文章论述了如何完善内部会计控制制度,提高管理水平,对企业的发展有着至关重要的作用.     

Volterra级数理论研究进展与展望

非线性问题因其普遍性受到来自包括工程、物理和数学等众多领域学者的关注.针对非线性系统的建模、求解和分析等问题,人们发展出了多种数学理论和方法,Volterra级数就是其中之一.本文对Volterra级数的基本定义和由其发展而来的一些频域概念进行介绍,并分析它和Taylor级数、Wiener级数、NARMAX模型、Hammerstein模型、Wiener模型、Wiener-Hammerstein模型、谐波平衡法、摄动法和Adomian分解等非线性模型与求解方法之间的联系;探讨了其收敛性问题和核辨识问题研究中的挑战,总结了这方面的研究成果和进展.     

抑郁易感性因素的神经机制

抑郁症是一种常见的精神类疾病,导致其发病的影响因素众多,但其神经机制尚不清楚.本文首先回顾了与抑郁易感性有关的认知理论,包括Beck提出的认知模型理论以及Abramson提出的抑郁无望理论模型.其次,从遗传因素、外部环境因素以及个体心理因素3个方面阐述了易感性因素对抑郁影响及其作用的神经机制.最后,基于认知神经科学的现状和局限性并结合抑郁研究现状,提出了抑郁研究可能面临的挑战和对未来研究展望.具体而言,未来研究应从统计建模的角度出发,整合基因-脑影像-行为大数据,先从横向研究角度比较探讨和分析抑郁形成的各种影响因素,建立有效的因素模型;再从纵向跟踪的角度探明各种易感因素在抑郁发生中的作用机制,建立抑郁的预测模型;最终实现基于基因-脑影像-行为大数据的融合,从而对抑郁的发生和发展进行有效的预测和早期干预,降低抑郁症的发病率.     

科技系统结构及其数学模型

本文从系统的观点出发,讨论了科学技术系统结构与社会结构之间的关系,并对参考文献[1]提供的统计曲线进行理论分析后,建立了一个科学技术社会系统的数学模型。模型中的基本结构参数K_1,K_2,…,K_6由社会结构决定,而T_j,τ_j,j=1,2,3等则反映了科学技术自身发展规律。本文强调:作为一种社会活动的科学技术必然受社会结构制约,由社会结构决定的科技结构取何形态,是科学技术水平发展或快或慢的重要原因。     

论加强企业内部控制的必要性

随着经济的快速发展，内部控制在财务活动中的重要性日益显现，文章论述了如何完善内部会计控制制度，提高管理水平，对企业的发展有着至关重要的作用。     

发展人口神经科学中的规范化建模:量化脑智发展规律与个体分化特征的“显微镜”

揭示脑与心智个体差异的来源、规律及其科学机制是发展人口神经科学领域颇具吸引力的研究方向.个体差异的复杂性与当前研究方法的局限性是该领域方向的挑战所在,亟须发展在群体和个体层面建模个体差异的方法学框架,来量化脑智群体规律及其个体分化特征,实现一般科学规律与个体应用转化的科学衔接.规范化建模为此提供了一种方法学选择:基于代表性样本,使用分布式回归等方法,建立群体规律的统计模型,并在此基础上推演个体偏离规范化群体参照的程度,从而量化个体分化指标.这一方法学框架为发展人口神经科学提供了新工具,从人口生命周期的视角揭示了个体脑智差异的一般规律及其生物学基础,为解析脑智疾患的病因学机制及精准化临床实践提供了参考.鉴于规范化建模方法的巨大潜力,未来亟须在采样策略优化、数据收集规范以及建模方法改进等方面开展深入研究,从而加速其应用转化.     

利用多源数据构建全球天顶对流层延迟模型

对流层延迟是无线电大地测量技术中的重要误差源,目前常用的对流层模型的建立均是基于单一数据源.本文按照直接对天顶对流层延迟建模的思路,采用格网化的GGOS Atmosphere的对流层数据和离散的IGS对流层产品联合建模,在利用IGS的高采样率对流层产品分析天顶对流层延迟的短周期变化特征的基础上,构建了一个多源数据的全球天顶对流层延迟模型.经过检验,多源模型的内符合精度为3.6 cm,表现出良好的拟合效果.使用未参与建模的IGS站进行外符合检验,统计结果显示多源模型的全球平均bias为?0.31 cm,全球平均RMS为4.16 cm,明显优于GZTD模型(bias为?0.48 cm;RMS为4.46 cm),且与目前精度最高的GPT2w模型(bias为?0.04 cm;RMS为4.14 cm)精度相当.多源模型的改正精度在空间和时间上具有良好的稳定性,同时多源模型在有IGS站支持的地区改正效果明显优于GZTD和GPT2w模型.多源模型具有全球适用、区域增强的优点.