基于滑动窗口和LSTM的PM2.5浓度预测模型

随着环境空气质量日趋重要,PM2.5浓度也逐渐受到重视.以北亡市某空气质量监测站2010.1.1～2014.12.31的PM2.5浓度的小时数据以及对应的气象数据作为样本进行实验.首先对数据进行预处理,考虑到PM2.5前后关联性很强这一特点,将数据进行基二时间的滑动窗口处理以利用数据的时序性,然后对各气象因子进行皮尔逊相关分析,构建了5层长短期记忆(LSTM)网络模型,引入了学习率指数衰减方法,来预测1 h后的PM2.5浓度,并将其与Lasso回归、支持向量回归(SVR)模型、XGBoost模型对比,发现构建的LSTM模型预测效果最好.     

基于反向K近邻和密度峰值初始化的加权Kmeans聚类入侵检测算法

传统Kmeans聚类算法的性能易受初始类簇中心随机性和类簇中心计算的迭代过程中边缘点和离群点反复计入的影响，为了避免这些影响，该文提出一种基于反向K近邻和密度峰值初始化的加权Kmeans聚类算法。通过样本的近邻信息计算每个样本的反向K近邻，针对不同规模、不同密度分布数据集，可以自适应地搜索密度峰值点作为初始类簇中心；自适应设定相对簇半径，并通过样本加权进行类簇中心迭代，在不同数据分布下可以有效降低边缘点和离群点对聚类结果的影响。试验结果证明，该算法在聚类性能提升的同时迭代次数大幅降低，随着入侵行为类型和数据规模的增加，该文聚类算法仍体现出较好的性能，且在发现未知攻击类型上效果显著。     

变形链球菌生物膜生长的QCM-D原位动态研究

细菌生物膜(Bacteriabio-films,BBF)会在各种表面引起腐蚀、环境污染、难治性感染以及传染病的爆发。采用耗散型石英晶体微天平(Quartz crystal microbalance with dissipation,QCM-D)技术,实时、无损地实现对变形链球菌(Strepto-coccus mutans)的BBF生长的原位动态研究。利用持续流生物膜发生方法,通过QCM-D获取BBF生长的动态信息,包括由频率(f)变化获得BBF生长动力学信息、由能耗因子(D)变化获得BBF粘弹性质变化、由D/f获得BBF结构与性质即BBF生长成熟的实时信息等。研究结果为研究和控制BBF生长提供了理论依据。