基于SEIR模型的新冠疫情防控评价 ——以哈尔滨市为例

新冠疫情自2019年末在中国出现,经过了一年的持续和反复后在2021年已经趋于常态,而哈尔滨市又由于地理位置和人员流动等原因成为了中国的疫情高发区.运用SEIR模型对哈尔滨市疫情发展趋势进行预测分析,并根据中国疫苗有效性数据对不同比例民众接种疫苗后传染趋势进行模拟预测,最终运用预测与实际的对比结果结合政府防控措施以及公民态度变化对疫情发展的影响进行相关性分析.得出哈尔滨市的疫情发展走势大致与预测相同;政府的疫情防控措施以及公民的积极态度都会为延缓疫情发展提供帮助等结论,另外从模拟疫苗接种比例相对应的疫情曲线变化可以得出,现阶段控制疫情最好的办法仍然是积极配合接种疫苗.     

基于三重注意力机制的新冠肺炎病灶分割模型

为了解决感染区域比正常组织对比度低的问题,提出了一种基于三重注意力机制(triple attention mechanism,TAM)的新冠肺炎(corona virus disease 2019,COVID 19)病灶分割模型——TM-Net,并将其应用于条件生成对抗网络.MultiConv模块可以自动提取肺部切片中...     

新冠肺炎疫情期间体育锻炼对在校大学生情绪调节作用的研究

从2019年底至今,疫情引发了社会各界对突发性公共卫生事件导致心理健康问题的关注.结合当下新冠肺炎疫情背景采用随机抽样方法,抽取武汉某大学180名在校大学生作为研究对象,并运用人口学变量"简式POMS(心境状态量表)"、"锻练诱导情绪问卷"作为研究工具,对疫情期间在校大学生体育锻炼前后的情绪变化进行调查,同时进行对照组...     

一类具有检疫隔离和疫苗接种的新冠肺炎传染病模型分析

提出一类具有检疫隔离和疫苗接种的新冠肺炎传播动力学模型.基于下一代矩阵方法给出模型的基本再生数,并证明平衡点的存在性.利用LaSalle不变集原理,证明当基本再生数R₀<1时,无病平衡点是全局渐近稳定的;当R₀>1时,无病平衡点不稳定.此外,对R₀进行灵敏度分析,分析结果表明：增强对密切接触者的追踪隔离措施、减少接触率并尽快接种疫苗可以有效减少R₀.最后通过数值模拟验证了理论结果的可行性.     

小区开放对周边道路通行影响的定量评估模型

针对小区开放对道路通行的影响问题,建立了评价指标体系、Logistic回归模型和T型交叉路口的车辆通行模型,且定量分析了小区开放后对道路通行的影响情况.根据对模型的求解结果,从交通通行的角度,提出有针对性地开放小区,提高小区周边道路的路网密度,加强城市干道之间的联系程度和紧密度的建议.从而达到减少车流量的叠加,提升小区周边道路的通行能力,缓解交通压力的目的.     

基于自回归模型的软件可靠性预测方法研究

随着人们对高可靠和高质量软件需求的日益增长,这种需求迫使软件开发人员不断提高软件的可靠性.本文提出了一种基于自回归模型的软件可靠性预测方法,并利用最小二乘估计方法对模型中的参数进行估计.使用开源软件Firefox的真实故障数据,利用SPSS软件对可靠性模型进行验证分析,实验结果表明本文提出的模型是有效的.     

基于机器学习的空气质量模型分析与研究

【目的】传统的空气质量计算方法已经难以满足当前社会的需求,基于机器学习的空气质量模型的分析与研究有助于提高空气质量预测的准确性和及时性。【方法】选取郑州市2019年全年空气质量和气象的逐小时数据,分别分析了空气质量与空气污染物因子的相关性以及空气污染物因子与气象要素的相关性。以空气污染物和气象要素作为输入因子,采用机器学习的方法建立多个回归模型,最后通过对回归模型的评估,根据评估的结果选取合适的预测模型。【结果】通过对回归模型评估指标的三种方法进行对比发现,随机森林模型效果较好,验证了机器学习的方法非常适合于空气质量的预测。【结论】本研究适应于站点的模型建立与预测,下一步应继续进行深度研究,从站点来繁衍出格点的实况预测模型。     

基于灰色新信息GM(1,1)模型的城市生活需水量预测

对城市生活需水量进行科学地分析和预测是满足城市生活发展需求、保证水资源合理规划的前提。根据城市生活需水量的特性，将灰色新信息GM（1，1）模型的建模方法引入到城市生活需水量的预测中，建立相应的预测模型。并建立起一套系统的城市生活需水量预测方法，为城市水资源规划提供决策参考，具有理论和实践意义。     

基于多元线性回归模型的建筑能耗预测与建筑节能分析

针对城市建筑能耗的节约与有效利用,提出一种基于多元线性回归模型(MLRP)的建筑能耗预测与建筑节能分析模型.以天然气和电力为能耗目标,将建筑类型、建筑年代、占地面积和居住人数等参数作为输入特征,利用多元线性回归模型分析出对能耗具有显著性影响的因素,并预测整个区域的能耗.另外,通过该预测模型,可以评估实施改善措施后建筑的节能潜力.实验给出了各种场景下的建筑节能潜力,分析结果表明,提出的预测模型能够精确预测区域能耗.     

基于分形理论的磨粒磨损预测模型

为了求解在粗糙表面上磨粒磨损的磨损率,在分形接触模型的基础上,利用塑性变形磨损理论推导了基于分形参数的磨损率模型,并建立了磨损率与分形维数、材料性能常数、磨屑概率之间的关系,从而反映出材料的磨损规律。从分析结果可以看出,当分形维数处在某一区间内时,随着分形维数的变化,磨损率先减小后增大;最优分形维数为1.5,此时磨损率最小。当分形维数保持不变时,随着尺度常数、概率常数的增大磨损率也随之增大;而随着材料性能常数的增大磨损率减小。当其他各参数都保持恒定时,接触面积越大磨损率也变大。该模型的建立为进一步研究粗糙表面的摩擦、磨损与润滑具有重要意义。     

基于改进抛物线模型的物流需求预测研究

为了提高物流需求的预测精度,选取货运量作为衡量物流需求的指标,在对非线性回归中的抛物线模型进行探讨的基础上,对其进行改进,得到新陈代谢的抛物线模型.以四川省物流需求预测为实例进行检验,结果显示该模型的预测精度达到96.9%,预测精度等级为1级,证明了该模型的实用性.     

基于GA-BP神经网络模型的大坝裂缝预测

常规的BP神经网络由于初始权值和阈值问题,在对大坝裂缝开度进行预测时精度普遍不高。为此,本文首先引入遗传算法(GA)对BP神经网络进行优化,构建了GA-BP神经网络预测模型,然后分析实测资料,发现库水位、温度显著影响裂缝开度,最后将这两个因素作为网络的输入变量,利用预测模型对某重力拱坝X15段裂缝开度进行短期预测。比对两种方法的预测结果可得,通过遗传算法优化BP神经网络的预测精度明显高于传统BP神经网络,本研究可为大坝的安全运行管理提供一种技术方法。     

基于贝叶斯改进模型在供电可靠性预测中的应用

供电可靠性预测评估可以更有效地起到对供电系统运行管理的指导作用。所以,供电可靠性的研究预测具有较大的意义。在研究贝叶斯常均值模型预测的基础上,提出改进的贝叶斯模型优化算法。利用C++编程软件对河南省供电可靠性预测进行分析,预测评估出2007-2016年河南省供电可靠率,验证贝叶斯改进模型的有效性。     

基于URQ模型的I帧码率控制

当目标码率较低时,在编码视频序列中周期性地插入I帧,会导致重建视频播放时出现“闪烁”现象. 为提高I帧重建质量,抑制“闪烁”,提出了一种基于URQ模型的I帧码率控制算法. 首先根据图像的运动趋势和复杂度将I帧划分为运动区域、图像复杂区域和平坦区域;然后依据人眼视觉系统对不同区域“闪烁”的敏感性,为视觉敏感区域分配更多的码率,其他区域分配较少码率;最后,利用URQ模型计算编码所需的量化参数值,实现对I帧的码率控制. 实验结果表明,所提算法能够在保证码率控制精度的前提下,有效抑制由于周期性插入I帧导致的视频“闪烁”现象,提高重建视频的整体主客观质量.     

基于BP人工神经网络的路基压实度预测模型研究

在大量路基碾压实验的基础上,通过对BP人工神经网络的分析,建立了路基压实度预测神经网络模型,并利用MATLAB环境下的神经网络工具箱开发了相应的程序.预测结果表明,该模型程序具有学习能力强、预测精度较高、快速方便等特点.这项研究为路基碾压施工工程中土的压实度预测研究提供了新的研究思路.     

基于随机森林与合成分析法建立脂肪肝合成预测模型

研究脂肪肝预测模型,旨为脂肪肝易发人群健康管理及风险评估提供参考。选取2006—2016年在西部战区总医院健康体检中心定期健康体检人群作为研究对象(体检中心为该人群建有专门软件用于管理体检数据资料),将随机森林算法筛选脂肪肝危险因素的效果与Logistic回归模型、人工神经网络、单棵决策树分类模型相比较。4种方法筛选脂肪肝影响因素准确率分别为88.0%、83.3%、83.9%、86.0%,随机森林筛选脂肪肝危险因素的准确率高于Logistic回归模型、人工神经网络和单棵决策树分类模型。基于随机森林算法与合成分析法建立脂肪肝合成预测模型,并评价其预测效能。研究结果表明,Logistic回归预测模型、Cox比例风险模型和脂肪肝合成预测模型的ROC曲线下面积分别为0.732、0.681、0.710,约登指数分别为0.340、0.269、0.330,灵敏度分别为0.589、0.503、0.639。脂肪肝合成预测模型ROC曲线下面积和约登指数介于Cox比例风险模型与Logistic回归模型之间,灵敏度最高。脂肪肝合成预测模型具有优于传统纵向数据分析模型的预测能力,且不需要大量纵向数据,是一种简单...     

一种基于BC RBFNN的高填路堤地基沉降预测模型

针对高填路堤地基沉降难以预测这一技术难题,对其影响地基沉降的主要因素进行了分析,根据各因素之间存在的高度非线性, 结合BCRBFNN（基于聚类分析径向基函数神经网络）非线性拟合的特点, 提出一种基于BCRBNN模型对高填方地基沉降进行预测.运用施工期路基沉降实测资料,对神经网络模型进行学习、训练和仿真, 得出仿真值与实测值非常相似, 从而得出基于BCRBFNN模型在高填路堤地基沉降预测中具有很好的实用效率.     

基于PSR模型的扎龙湿地生态承载力评价及预测

国家生态文明建设背景下,生态系统的承载力研究是探索可持续发展的新方向.该文选择扎龙湿地为研究区,以遥感影像、气象数据及社会经济数据为基础,建立压力-状态-响应(PSR)模型的指标体系,运用模糊综合评价算法对扎龙湿地的生态承载力进行评价;其次,借助障碍度模型,探讨扎龙湿地生态承载力演变的主要障碍因素;最后利用GM模型,预测其未来9年的生态承载力结果.结果表明：扎龙湿地生态承载系统一直处于中承载状态,但总体呈上升趋势;自然环境和地物覆盖2个因素层为制约生态承载力的主要因素.根据GM预测结果,未来9年,扎龙湿地生态承载力指数随年份增加而升高,生态状况持续向良性转化,符合可持续发展理念.     

基于主成分分析的BP神经网络长期预报模型

MATLAB是进行神经网络系统设计及多元统计分析的有力工具．利用MATLAB6.5对月平均降水量的前期预报因子进行主成分分析,实现样本的最优压缩,从而降低样本的维数,建立起基于主成分分析的神经网络广西北部地区5月平均降水预测模型．计算结果表明,基于主成分分析的神经网络模型在预测中与多元回归模型相比有较好效果．