黄粉虫的营养保健作用

为了解黄粉虫油脂和去油虫渣的营养保健作用,将黄粉虫油脂和去油虫渣掺入饲料,饲喂初成年的ICR小鼠,测定了其对小鼠的学习记忆能力和抗疲劳能力的影响;同时研究了黄粉虫全虫干粉对皮下注射了D-半乳糖致衰老模型小鼠的影响。结果表明:分离后的黄粉虫油脂和油渣均能提高小鼠的抗疲劳能力;但仅黄粉虫油渣可促进其学习能力。饲料中掺入黄粉虫幼虫干粉,使其在饲料中的质量分数为0.05和0.10,可抑制D-半乳糖致衰老小鼠体重的降低,显著提高其脾脏和胸腺的脏器重量,增强免疫力;但对血清抗氧化能力无明显的改善作用。     

创造天才

聪明睿管是人类不懈追求的目标之一。人人都希望自己能成为天才,但怎样才能成为天才,则历来众说纷法。毋容置疑,天才是由脑功能所决定的,为此,科学家对脑科学的研究乐此不疲。事实上,人类对脑的认识至今仍很肤浅。人脑是世界上最复杂、最精巧的生物机器,是几百万年进化的产物。外观上人脑并不复杂,大致呈球状,乳白色,由大脑半球、小脑、脑干组成表面。大脑半球表面有许多沟裂,因此看上去皱巴巴的。不同个体之间的大脑重量没有多大差别,平均1．3千克左右,占人体总重量的不到2．5％,但消耗的热量却占人体消耗总能的20％。在显微…     

基于递推最小二乘改进算法的洪水预报模型研究

由递推最小二乘算法估算出的自回归系数在一定条件下具有最佳的统计特性,但在实际应用中,这种方法往往难以动态地把握水文现象的动态特性.为提高自回归洪水预报模型的精度,分别用衰减记忆、有限记忆及2种算法相结合的方法对基本的递推最小二乘算法进行改进,并利用这几种改进算法对白马寺水文站的实测径流序列进行了模拟演算.结果表明,这3种改进的递推最小二乘算法,都可以使自回归洪水预报模型取得较好的预报效果,但实际应用时应根据不同预报的侧重点选择相应的算法.     

西安地铁断裂带接触网可靠性及安全性分析

根据西安地铁渭河断裂带土建结构防治对策,接触网在防治区与正常区分界点设置接触网非绝缘锚段关节实现机械及电气连接,保证在断裂带活动时正常区的接触网不受结构破坏的影响而能正常工作.在断裂带防治区采用双向可调垂直悬挂结构形式,可满足断裂带防治区结构引起的垂直线路方向及竖直方向接触网设计调整需求.针对此特殊地质情况接触网的防治措施以及接触网系统的特点,以一个防治区锚段作为单元建立本系统故障树,定性分析后找出导致接触网失效的最小割集,由各底事件结构重要度和概率重要度计算结果判断对系统的影响程度.通过分析失效故障类型,从不同方面提高系统可靠性、可用性、可维修度及安全性的措施.RAM的详细数据计算过程将在整个系统运营以后,根据实际情况计算得出.分析及采取措施为西安地铁工程接触网设计、施工及安全运营可靠性评估提供科学的理论指导和设计手段,也为后续类似线路穿越断裂带防治区提供科学参考.     

基于双向LSTM和LDA的新冠肺炎情感分类和热门主题挖掘方法

面对新冠肺炎疫情带来的重大影响,通过自然语言处理技术,深入挖掘民众关于新冠肺炎的观点与看法,为疫情期间政府应对网络舆情危机提供参考.针对当前研究中将主题和情感孤立研究的缺陷,首先从微博上收集网络舆情的相关数据,然后通过LDA主题模型和基于Bi-LSTM的情感分类方法进行主题-情感的融合分析.结果表明,Bi-LSTM模型可以较好地识别出喜、怒、哀、惧4类情感,同时LDA主题模型在热门主题挖掘方面也表现良好.     

采用小波变换和双向长短期记忆网络的脑电睡眠分期模型

针对睡眠生理信号采集难度大、睡眠分期精度低的问题,提出一种采用小波变换和双向长短期记忆网络的脑电睡眠分期模型。首先使用连续小波变换提取睡眠脑电的时频图;然后使用卷积神经网络从脑电信号的时频图中提取睡眠相关的脑电特征,作为单个睡眠片段的分期依据,再使用双向长短期记忆网络进一步提取睡眠片段之间的状态转换规则;最后利用深度学习方法建立特征、规则与睡眠阶段的映射,使用数据扩充和两步训练法训练模型,削弱数据不均衡的影响,完成连续片段的睡眠分期。采用SHHS公开数据库的5 793名被试者的睡眠脑电数据对该模型进行验证,实验结果表明,睡眠分期准确率达到85.82%,整体F1达到78.39,Kappa系数达到0.799,和现有方法相比性能明显提升。     

机器学习模型在地下水埋深模拟中的适应性分析

基于京津冀气象、社会资料及地下水埋深数据,构建支持向量机(SVM)、循环神经网络(RNN)和长短期记忆神经网络(LSTM)模型对京津冀地区13个城市地下水埋深进行了模拟,并以确定系数、均方根误差、平均绝对百分比误差、纳什系数对3个模型的适应性进行了评价。结果表明：LSTM模型模拟效果最好,其次是RNN,SVM最差;不同城市基于LSTM模型进行地下水埋深模拟时参数调整最少,适应性最好,SVM模型参数调整最多。将3个模型应用于随机选择的6个测站进行验证,在华北地区浅层地下水埋深模拟方面,LSTM模型模拟精度和可信度最好,适应性最强,是该地区地下水埋深模拟的首选机器学习模型。     

不同行为模型框架下的数据驱动类人驾驶模型比较

传统的驾驶行为模型框架把驾驶行为划分为跟驰行为和换道行为两大类,并分别进行模型构建;而综合驾驶行为模型框架则认为跟驰行为和换道行为密不可分,因此将所有驾驶行为看作一个整体来进行建模。文中基于这两种行为模型框架,对数据驱动类人驾驶模型的性能进行分析。首先,建立综合驾驶行为模型框架和跟驰换道组合模型框架,并根据驾驶过程中的影响因素,确定模型的输入和输出。其次,提出了基于跟驰、换道和意图识别模块的两种跟驰换道组合方式：判别组合和概率组合。随后,对原始数据集进行处理筛选,构建综合驾驶行为、跟驰行为、换道行为和意图识别4个样本库,分别用于对相应行为模块进行训练和标定。最后,将两种跟驰换道组合模型与综合驾驶行为模型进行模型精度、安全性、鲁棒性和迁移性比较。结果表明：在模型输入输出、参数标定流程和样本数据库一样的情况下,基于长短期记忆神经网络(LSTM)的类人驾驶模型精度优于基于FNN的模型,其中基于LSTM的模型均方误差可达到0.227 m²,基于FNN的模型均方误差为0.470 m²。而在基于LSTM的模型中,采用跟驰换道组合模型框架的模型比采用综合驾...     

基于多层组合模型的武汉市月平均PM2.5浓度预测

构建一款组合预测模型,精准预测武汉市PM2.5浓度,探讨其对地区空气质量产生的影响.研究结果显示,武汉市2020年1-4月份月平均PM2.5浓度实际值远小于预测值,差距最大的2月份,实际月平均PM2.5浓度比预测的正常值低30.37μg/m3,仅为预测值的55.63%.2020年5月份后,月平均PM2.5浓度预测值与实际值之间差距不明显.说明新冠疫情期间各地居民减少了户外活动,空气质量有明显改善.     

基于长短期记忆神经网络的城市交通速度预测

交通速度预测在智能交通系统中起着重要的作用,准确、快速的交通速度预测有利于及时掌握城市道路交通状况,能够有效实行交通诱导。针对交通速度具有极强的周期性,在工作日和非工作日之间存在较大差异,导致预测精度不高的问题,分别选取公开的工作日和非工作日交通速度数据,构建基于长短期记忆神经网络的城市交通速度预测模型。实验验证采用广州市20条路段的交通数据,结果表明,区分工作日和非工作日的平均绝对百分比误差、平均绝对误差和均方根误差的平均值比不区分均要小,说明区分工作日和非工作日可以有效地提高交通速度的预测精度。