基于隐马尔科夫模型的浏览路径预测

基于马尔科夫模型的浏览路径预测，仅仅从用户的浏览会话本身出发来预测用户下一步的链接，并不能捕获用户的真正兴趣所在。运用隐马尔科夫模型来分析用户浏览网页的内容，可进一步捕获用户的浏览兴趣，并作下一步的链接预测。当浏览序列长度逐渐增加，系统捕获的用户浏览信息越来越多，此时能够折射出用户的兴趣所在，预测准确率也逐步增加。当浏览序列长度大于或等于8时，预测准确率已经到达80％，提高了预测准确率。     

河南省国内旅游市场发展趋势预测

根据河南省2000—2011年国内旅游市场游客数量统计数据,运用SPSS软件建立立方曲线趋势预测模型,对河南省国内旅游市场发展趋势进行预测.结果显示,预测模型的预测平均精度高达93.63%,立方曲线趋势预测方法可以较好地应用于河南国内旅游市场预测.未来河南省国内旅游市场将保持持续上升的趋势,2015年河南省国内旅游市场游客数量预计为4.04亿人.基于预测结果,提出了促进河南国内旅游发展的相关建议:即加大旅游宣传,提高景点知名度;改善旅游设施,提高接待能力;完善管理体制,促进协调发展.     

THE蛋白的结构分析与功能预测

调用motif数据库、profile数据库和interproscan数据库,对THE蛋白进行了序列同源性分析和功能位点分析.结果表明,THE蛋白质是一种核蛋白,理论等电点为6.36,分子量为44 859 Dalton.应用多种相关软件对THE蛋白的二级结构和特殊结构进行了初步预测,结果显示:THE蛋白中存在α螺旋、β-折叠片和无规卷曲结构,有两个可形成跨膜结构的片段,不存在卷曲螺旋,无信号肽,也无线粒体定位信号.对THE蛋白进行序列同源性、结构域及功能位点预测,结果显示:THE蛋白与来自大鼠睾丸的Tes13-S、Fos13-L和几种假设蛋白有较高的相似性;THE蛋白存在次黄嘌呤核苷酸脱氢酶、嘌呤核苷酸还原酶结构域及PKC、酰胺化、豆蔻酸连接等功能位点,无糖基化位点.THE蛋白的结构分析与功能预测为该基因的功能研究提供了重要的依据.     

基于微震监测的地压活动规律和风险预测

 在介绍微震监测技术基本原理和系统组成架构基础上,以漂塘矿区为工程背景,借助统计学原理和地震学原理对其地压活动规律开展研究,分别从云图、地震参数时间曲线和地震统计b 值对矿山的448 中段进行风险评估,确认该中段特定区域为重点风险区域评估和预测区域。通过理论分析及实际结果表明,矿山地压活动与地下开采活动有着密切联系,开采活动是井下重要风险源之一。微震事件聚集区域与井下作业位置相对应,在时空上,微震事件活跃的高峰期与井下作业台班基本吻合。确定风险区域后,根据地震参数时间曲线分别设定观察期、预警期和危险期以减少损失。实践证明,微震监测系统可实现漂塘钨矿风险区域的岩体状态的全面监控,实现风险区域的监控和预警。     

KPCA-LSSVM方法在视频时间序列预测中应用

为提高时间序列预测精度及降低预测过程中的计算复杂度,提出一种基于核主成分分析(KPCA)与最小二乘支持向量机(LSSVM)相结合的预测方法.首先,将输入数据通过核方法映射至高维特征空间;然后,在特征空间上提取有效非线性主元;最终,通过LSSVM建立时间序列模型.为验证KPCA-LSSVM方法的有效性,将其应用于交通流及视频流预测中,在同等条件下,与单一的LSSVM及神经网络等预测方法进行比较.实验结果表明:基于KPCA-LSSVM建立的模型具有较好的推广性及较高的辨识精度.     

基于增量稀疏核极限学习机的发动机状态在线预测

针对发动机状态在线预测中样本累积、预测模型膨胀和在线更新速度慢等问题,提出了基于增量稀疏核极限学习机的在线预测方法.该方法定义了KELM核函数矩阵的稀疏测量矩阵,并根据矩阵原子相干最小化和自信息量最大化的样本信息度量准则实现在线样本前向稀疏与后向删减,提高了样本稀疏化效率.利用有效样本对测量矩阵在最佳阶数内进行在线扩充与修剪,限制了预测模型膨胀.利用改进的增量建模方法对模型的核权重矩阵进行递推更新,从而建立规模有限且结构稀疏的在线预测模型,提高了在线建模速度.仿真数据和发动机状态参数在线预测实验结果表明,与现有在线预测方法相比,ISKELM具有更高的样本稀疏化和在线建模效率.对发动机排气温度进行120步预测时,预测速度分别提高了80.50%和31.72%,预测精度分别提高了48.56%和15.81%.      

动态数据的ARMA模型预测加工质量

本文首先阐述了在长度计量中建立自回归滑动平均模型(Auto Regressive Moving Average Model)的理论,推导出预测的计算模型及误差估计,然后以一个生产实例,证明这个模型具有相当的置信度。     

地连墙变形的神经网络多步预测研究

结合润扬长江公路大桥南汊北锚碇深基坑工程 ,提出并应用神经网络多步预测方法来研究地连墙施工变形的预测问题。系统介绍了基于时间窗口的神经网络多步滚动预测技术 ,并详细讨论了输入输出层的设计、隐层神经元数以及预测时间步长等一些基本预测技术问题。该预测方法应用于润扬长江公路大桥南汊北锚碇深基坑围护工程 ,取得了较好的工程效果。     

基于卷积神经网络的基因剪接位点预测

研究剪接位点可以更深入地探索剪接机制和基因预测方法,准确预测剪接位点至关重要。基于深度学习技术提出一种新的预测方法,无需人工提取样本特征,以基因序列的K-MER编码向量作为输入,采用训练后的卷积神经网络(CNN)模型进行预测。基于人类基因HS3D供体数据集,与传统机器学习方法进行预测比较,结果表明预测模型的主要性能指标,包含马修斯相关系数(MCC)、灵敏度(SN)均超过传统的机器学习方法。     

开采沉陷动态预计流变模型及应用

通过对采场覆岩移动变形规律进行研究，从流变力学角度，给出地表下沉时间位移函数，并结合实测资料对有关参数进行回归分析，运用推导公式与实测资料进行了结果对比，总结出符合大同矿区地表动态下沉经验公式。提出地表下沉推迟时间tr的概念，可作为划分开采沉陷剧烈程度的量化指标。