人工神经网络法预测有机物物性研究(Ⅲ)——分子相似性与取代苯的物性

本文采用相似性计算方法将化合物结构信息变量转换为相似系数变量，并以相似系数作为人工神经网络输入参数，预测多元取代苯的疏水分配系数、硝化反应产率分布和烷基苯的汽化焓．结果与文献值符合较好．     

探测数据对BLUE及预测影响的度量

本文分析了数据对BLUE及预测的影响,给出了h_(ii)的统计意义,并建立了两种预测影响的度量,推广了文献2和3的一些结果。     

4-(二甲胺基)苯甲醛缩-2,4-二硝基苯腙分子特性的预测研究

利用Gaussian98程序,采用密度泛涵方法(B3LYP/6-31G)对4-(二甲胺基)苯甲醛缩-2,4-二硝基苯腙化合物的晶体结构进行了量化计算,利用相关参数推测了它的分子特性,结果表明,该化合物的分子结构为一大平面结构,难与金属形成配合物.     

基于ISSA-LSSVM模型的短期电力负荷预测

精确的短期电力负荷预测对电力系统的调度与调峰等有着重要的影响.为了提高预测精度提出了基于改进麻雀搜索算法(improved sparrow search algorithm,ISSA)优化的最小二乘支持向量机(least squares support vector machine,LSSVM)预测模型ISSA-LSS...     

苯和氯苯对发光细菌联合毒性的测定及预测

为预测苯和氯苯对发光细菌的联合毒性,利用T3发光菌对苯和氯苯以及二者的联合毒性进行试验测定,并利用非线性拟合模型,预测苯和氯苯对发光菌的单一毒性和联合毒性.结果表明,苯和氯苯的浓度-效应的关系均可用General-ized Logit I函数模型描述;不同浓度配比下,混合物的浓度-效应关系同样符合Generalized Logit I函数模型.实验测定结果与运用浓度加和(CA)模型及独立作用(IA)模型的预测结果基本吻合;IA模型预测结果略倾向于高估联合毒性,而CA模型预测结果较优,更能精确预测苯与氯苯的联合毒性.     

修建地下铁道的客运量预测与经济效益评价

本文以西直门——颐和园修建地下铁道为例,阐述了通过调查研究,分析历史统计资料,运用多种预测方法与技巧,预测地下铁道客运量问题。对修建地铁的消耗与效益从宏观和微观两方面进行定性分析与定量计算。按资金的时间价值,系统地计算评价经济效益的各项技术经济指标。文中涉及的理论与方法,可供城市交通建设项目决策参考。     

参考文献之预测功能的定量研究

从参考文献具有预测功能之理论基点出发,分析了固定时间段内参考文献与科研产出数量和质量关系的数学模型,初步探求参考文献预测科研产出数量和质量的功能,并给出相应的数学模型,为评价科研人员一段时间内的科研产出能力提供多维依据。     

基于对称对数比变换的成分数据预测建模方法

文章基于对称对数比变换,提出一种成分数据的预测建模方法,并利用该方法对北京市三次产业的数据进行简要分析.     

基于神经网络的分子性质预测算法研究进展

分子性质预测是材料化学领域的热点问题,基于第一性原理的计算方法虽然可以明确地描述体系中电子分布,但计算过程过于复杂,且计算复杂度随分子中原子增加呈指数级增长。近年来,随着相关研究的不断深入,涌现出多种多样的深度学习算法,将算法分为基于多层感知机(multi-layer perceptron, MLP)和图神经网络(graph neural network, GNN)两大类及六个子类,研究不同算法的特点。分析表明,MLP类算法结构简单,算法扩展性有限,与分子内部结构关联度不高;相反,GNN类算法融合消息传递机制,将分子间相互作用转换为结点、边之间的特征传递,在各向评价指标中占优。目前,基于深度学习的分子性质预测算法正从MLP类算法向GNN类算法过度。最后,提出基于深度学习的分子性质预测算法未来在数据集、各向异性特征传递、指导材料科学与生命科学中的实际应用等方面的发展方向。     

成分数据预测建模在北京市三次产业上的应用

在社会、经济、技术等领域中,成分数据是一种被广泛应用的数据类型．文章对比研究了成分数据两种不同建模预测的区别,利用北京市三次产业数据,通过比较研究,指出成分数据预测——非对称对数比变换在应用方面的优缺点,并对北京市三次产业进行简要分析．     

煤气中氯对高炉冶炼过程的影响及防治预测

氯元素对高炉冶炼过程的影响在日渐显现出来,并已对高炉的冶炼过程造成了严重影响,主要表现为:1)使高炉风口结渣,风口通道面积减小,风压升高,影响喷煤作业和高炉炉况的顺行;2)形成的NH4C1固体堵塞煤气管道,影响煤气的输送和使用;3)导致TRT机组流道快速结垢,引起机组振动而造成停机;4)影响高炉炉料的冶金性能,给高炉的冶炼带来不利影响.减轻氯元素对高炉冶炼影响的较好方法是研制出一种适合钢铁工业的脱氯剂,以此来降低氯元素对高炉冶炼的危害.     

基于油色谱分析的变压器故障在线预测方法

电力变压器是电力系统中的关键设备之一,变压器故障可能会造成长时间的供电中断.因此,尽早发现变压器故障具有重要的意义.介绍了能够在线监测变压器油中H2, CO, CH4, C2H4, C2H2, C2H6等6种气体在线监测装置的基本结构.根据油中各溶解气体的在线监测数据,采用灰色预测技术建立了灰色预测模型,并利用BPNN进行变压器的故障预测.该方法能够有效地预测未来时刻变压器油中溶解气体的浓度、诊断变压器在未来时刻的绝缘状况.现场运行结果表明,该方法能够满足工程实际的需要.     

电力变压器故障预测的人工神经网络方法研究

准确预测电力变压器故障不仅能够避免电网故障,而且能避免维修不足或过度维修的状况,具有重要的实际意义和经济价值。利用油中溶解气体法和人工神经网络法预测电力变压器故障是目前使用最为广泛的方法之一。本文针对电力变压器的故障预测问题研究采用三层改进BP神经网络为主要模型结构,利用MATLAB中的神经网络工具箱,建立起三层改进BP神经网络变压器故障预测诊断模型。实验表明本文提出的方法准确、可靠。     

考虑触点影响的航天继电器寿命预测方法

电磁继电器作为航天系统中的一种关键器件,其性能直接影响着整个系统的可靠性.现行航天继电器的触点大多具有多组且比较紧密的特点,造成了继电器在工作过程中触点组之间相互作用,影响了继电器的退化性能.针对此问题,提出了基于吸合时间退化变量的建模方法.采用小波-卡尔曼滤波算法对模型状态进行估计,将触点组之间的相互影响用带参数的线性关系表示,并用极大似然估计进行参数更新,从而进行继电器寿命预测.通过基于PC104的继电器测试系统获取实验数据,分析验证了该算法的有效性和可行性.     

基于NARX的SI发动机空燃比非线性模型预测控制

针对SI(Spark Ignition)发动机空燃比(AFR: Air-Fuel Ratio)控制精度低、无法自适应等问题, 提出了基于NARX(Nonlinear Auto Regressive model with eXogenous inputs) 模型的非线性模型预测控制(NMPC: Nonlinear Model Predict Control)方法。利用渐消记忆递推最小二乘(RLS: Recursive Least Squares)算法对NARX 模型进行辨识, 基于NARX 模型对SI 发动机的AFR 进行非线性模型预测控制。该方法辨识精度高, 可通过NARX 模型数学结构直接计算最优控制序列, 从而提高系统的控制精度。同时, 采用Matlab 对均值发动机模型(MVEM:Mean Value Engine Model)进行仿真实验, 并与采用Volterra 模型的PI(Proportional Integral)控制器算法进行对比。仿真结果证明, 该算法控制效果比基于Volterra 模型和传统的PI 控制器的控制效果超调量小, 调节时间短, 更加具有工程实际应用性。     

基于数字钻技术的岩石强度特性预测方法研究

【目的】快速准确地超前预报岩体力学参数。【方法】通过分析取芯钻头的受力特点,根据力学极限平衡原理建立钻进过程中机-岩相互作用的数学模型,提出一种基于数字钻技术的岩石主要强度参数（内摩擦角、单轴抗压强度和抗拉强度）的解析方法。利用自主研发的高精度数字钻系统预测4种岩石的内摩擦角并与室内试验测定值进行对比,验证该方法的可靠性。通过对岩石强度与内摩擦角、切削强度比（岩石无侧限抗压强度与切削强度之比）进行相关性分析,预测岩石强度并对预测结果进行验证。【结果】通过数字钻技术获得的岩石的内摩擦角与标准室内试验测定值之间的误差为1.0%～3.5%。岩石单轴抗压强度、抗拉强度均与切削强度比呈线性正相关,岩石强度的预测值与室内标准试验测定值之间的误差略超过20.0%。【结论】利用数字钻技术预测的岩石力学参数经过验证具有可靠性,该方法在实际工程中具有一定的应用价值。     

图示理论指导下的日中同声传译教学之浅析副词预测动词

预测是同声传译尤其是日中同声传译过程中一个重要的手段,但是业界一直没有提出行之有效的预测训练方法。该文将以图示理论为指导,浅析日语副词预测动词的训练方法,为同声传译教学提供一种参考。     

基于网络药理学和分子对接预测豆蔻干预原发性肝癌的作用靶点

利用网络药理学和分子对接技术,预测豆蔻干预原发性肝癌的作用靶点。共得到豆蔻化学成分71个,潜在活性化合物12个,原发性肝癌相关靶点共185个。活性成分-靶点-疾病网络拓扑图提示豆蔻中12个化合物的59个靶点可能参与抗肝癌,影响频次最多的靶点是前列腺素内过氧化物合成酶。雌激素受体基因、过氧化物酶体增生激活受体γ以及雄激素受体的基因。靶点定位主要为细胞周期蛋白依赖性蛋白激酶复合体、转录因子复合体以及RNA聚合酶II转录因子复合物等。分子功能为参与磷酸酶结合、RNA聚合酶II转录因子结合以及蛋白磷酸酶结合等,KEGG信号通路有膀胱癌、乙型肝炎以及肝癌等。分子对接结果显示,豆蔻抗肝癌的主要化合物及对应靶点形成构象能量低,结构稳定。其中,雌激素受体1(ESR1)在肝癌中显著低表达（P<0.01）。高表达JUN组中表达较低的病人存活期明显缩短（P<0.05）,而表达较低的ESR1组（P<0.01）则存在明显缩短（P<0.01）。豆蔻能通过多成分、多靶点、多途径干预肝癌,为后期的实验和临床组方用药提供了理论依据。     

基于聚类系数和节点中心性的链路预测算法

目前复杂网络领域受到越来越多人的广泛关注.其中链路预测是复杂网络研究中的一个热门的分支,被作为预测缺失链路和识别虚假链路的有效手段.传统基于相似性的复杂网络链路预测主要考虑每个节点的某个相似性指标,而该文提出一种基于聚类系数和节点中心性(CCNC)的链路预测算法,将度、聚类系数和节点中心性3个相似度指标结合,引入到复杂...     

基于循环神经网络的超大直径盾构掘进地表沉降预测方法研究

为了研究超大直径盾构掘进过程地面沉降规律,以武汉市和平大道南延线盾构工程为研究对象,首先收集了超大直径盾构下穿过程掘进参数和地层地质参数,并使用盾构掘进过程深跨比描述超大直径盾构影响特征;其次,通过收集现场沉降测点数据分析盾构隧道施工阶段地表沉降的影响范围,计算了90%、95%、99%三种置信区间下地表沉降影响范围;最后,选取不同范围内的多元时序数据作为输入参数,分别建立了基于贝叶斯优化算法（BO）的长短期记忆（LSTM）、BP神经网络和随机森林（RF）大直径盾构地面沉降预测模型.模型运行过程中,通过贝叶斯优化算法分别寻找三种不同模型下的最优超参数,并通过四种评价指标对比模型精度.结果如下：(1)在90%置信水平下三种算法均表现出最高精度,通过区间计算筛选有效输入参数能有效提高模型预测精度;(2)LSTM对隧道沉降的预测结果优于传统机器学习算法模型,MAPE最低达到8.91%,R2达到90%.