分子电负性距边连接性标量指数（∧）在金属卤化物的结构表达和性质预测中的应用

基于化合物分子的拓扑图结构建立的分子电负性距连接性指数（a novel scalar index of molecular electronegativity distance-edge connectivity,Imedc,∧），在对有机物的定量构效关系（QSAR／QSPR）研究中，具有高度选择性、相关性、稳定性和良好的预测能力；本文尝试将其扩展到无机物：以分子电负性距边连接性指数（Imedc,∧)实现对金属卤代化合物的结构性质的表征及相关研究。运用多元线性回归（MLR）方法，以此分子电负性距边连接性指数建立20个碱金属卤代化合物的晶格能（U）和34个过渡族金属卤代化合物的标准生成焓（△fH^θ）结构性质相关模型，对于碱金属卤代化合物的晶格能相关模型的相关系数为RMX=0.9732(n=20），对于过渡族金属卤代化合物的标准生成焓RMX=0.8907(n=34),取得令人满意的结果。     

夫琅禾费衍射的计算机模拟

根据夫琅禾费衍射理论，利用数学软件及计算机蒙特卡罗随机抽样方法，准确地再现了夫琅禾费衍射实验现象及规律，可应用于辅助教学。     

基于人工神经网络的油田产量多因素非线性时变预测

运用人工神经网络技术对多因素非线性影响下的油田产量进行了预测，结果表明，该方法既能考虑新井开井数、注水井开井数、注水量、老井开井数及老井措施量对油田产量的影响，还能间接地全面考虑储层非均质性对油田产量的影响，且预测快速、简便、精度高，是对油田油产量进行中短期预测的有效方法，对于产能建设、产量规划、措施安排具有一定的指导意义。     

包含周期变动的回归预测模型及其应用

在包含周期变动的回归预测模型基础上，在趋势分量的估计中引入了多元线性回归估计，并将此模型应用于山东省城镇居民人均生活消费的预测，提高了拟合度和预测精确度。     

应用Elman神经网络的混沌时间序列预测

利用改进的 Elman神经网络对 3个典型的混沌时间序列在不同的噪声水平下进行预测 ,探讨了神经网络学习与泛化之间的关系 ,通过试凑法给出了 Elman最优的隐节点个数。并利用3种指标对预测结果进行了评估 ,结果显示 Elman网络对混沌时间序列预测的良好特性     

贝叶斯预测模型在气温变化预测中的应用

贝叶斯预测模型是运用贝叶斯统计方法进行的一种预测,贝叶斯统计不同于一般统计方法,其不仅利用模型信息和数据信息,而且充分利用了样品的先验信息.根据贝叶斯预测模型的特点,介绍了几个贝叶斯预测模型的预测过程和计算步骤,并对南宁地区自1970年以来19年间的气温变化进行了预测.根据计算结果,分析了不同贝叶斯预测模型的预测特点,并给出了几点结论.     

灰色系统理论在无检测器交叉口交通流量预测中的应用

为解决一般预测方法要求原始数据量较大，而无检测器交叉口所能获得的交通流量数据又非常有限的矛盾，提出了利用灰色系统理论预测无检测交叉口交通流通的方法，并建立了一种新的自适应GM（1，1）模型，利用编制的计算机程序对常熟市无检测器交叉口交通流量进行预测计算分析，结果表明自适应GM（1，1）模型可以根据有限的交通流量数据进行预测，且预测精度较之全数据GM（1，1）模型有显著提高，实践证明，该方法是有效的。     

基于奇异谱方法的网络行为分析

运用数字信号处理中的奇异谱分析方法，讨论了如何提取网络流量的周期和趋势特征，并结合最大熵谱方法对吞吐量趋势做出预测，将该方法运用于中国教育和科研网CERNET华东（北）地区网的主干网，分析了若干天的网络流量行为特征，分析结果与使用情况相吻合，对主干的流量进行了预测，并将预测结果与实际情况做了比较，定义了评价预测准确性的公式，将预测的准确性与国际上具有代表性的成果进行多方面的比较，结果说明该方法准确性较好。     

蛋白质结构型预测的研究

以 nα、nβ、nβαβ、n4α、n4β等五个二级结构参数为基础 ,用离散增量研究了蛋白质的聚类和蛋白质的结构型预测 .α型 ,β型和 αβ型可以很好地分别聚在三个大支中 .蛋白质结构型预测总体预测正确率为 82 % ,用 Self-consistency和 Jake-knife这两种方法测试的结果没有明显的差别 .从结果可以看出利用蛋白质的二级结构参数能较好地体现出各种结构型蛋白质的特点 .     

基于网络服务的蛋白质二级结构预测软件

借助位于互联网的蛋白质结构预测服务，开发了一个蛋白质二级结构预测软件，它能全面快速地搜索到不同网站的各种预测结果，对其进行综合分析可获取更准确的预测，用户不必分别访问每个网络服务界面并填写数据，程序能自动提交预测请求，并收集，分析各个网站的预测结果，因而该软件能够大大提高结构预测效率和准确率。