动态性状基因座的复合区间定位

动态性状因其广泛性和重要性而备受动植物遗传育种研究者关注. 用分子遗传学方法探索该类性状的遗传机制已成为一个极富挑战性的研究课题. 将关于时间(测定日期)的Legendre多项式镶嵌在遗传模型的每个遗传效应中, 以刻画QTL和协同因子对动态性状变化过程的作用, 从而建立动态性状基因复合区间定位分析的数学模型. 利用复合区间定位策略的优势, 提高对控制动态性状多个QTL的检测效力. 以F₂设计群体为例, 阐述了动态性状基因复合区间定位的似然分析原理, 推导了参数似然估计的EM法两步求解过程. 模拟实验证明, 相同设计条件下, 复合区间定位对分布在同一连锁群上多个影响动态性状QTL的检测效果明显好于区间定位; 随着协同因子数目的增加, 复合区间定位不但能检测出更多的甚至所有的QTL, 而且对每个QTL分辨得更加清楚. 在实际应用过程中, 应针对动态性状的变化规律, 并考虑计算成本恰当地选择协同因子数目.     

混沌时间序列联合预测方法

在混沌时间序列加权一阶局域预测法的基础上, 利用数理统计方法中的区间估计概念并通过对预测误差分布的学习, 提出一种新的联合预测方法, 在给出预测值的同时, 给出该预测结果的置信区间, 并用Logistic映射产生的时间序列检验了算法的有效性.     

基于MPA-LSTM模型和Bootstrap方法的短期光伏功率区间预测

光伏发电功率的波动性和间歇性为电力系统调度管理带来巨大的挑战,精确的光伏功率区间预测是解决上述问题的一种有效途径。为此,本文提出了一种基于LSTM网络的新型短期光伏功率区间预测模型。采用MPA对LSTM网络的隐含层神经元数和训练批次数等超参数进行自动寻优,以克服随机选取LSTM模型参数过程中存在的盲目性、费时等问题;并将MPA-LSTM模型用于光伏功率点预测。然后,采用Bootstrap方法分析模型预测结果的误差分布,确定模型预测输出的区间范围。最后,通过对比仿真验证所提模型的有效性。结果表明：本文所提的MPA-LSTM模型均方误差的平均值为1.09%,优于SVM、LSTM、PSO-LSTM和MPA-SVM模型;Bootstrap方法能够准确地描述给定置信度水平下的光伏功率波动范围。     

指数分布区间型删失数据的可靠度最优置信下限

由于测量仪器的精度,测量方法等原因,往往不能得到产品精确的失效时间,得到的是区间型删失数据.本文讨论了指数分布区间型删失数据下的可靠度最优置信下限的估计问题.首先采用极大似然估计方法对指数分布区间型失效数据的失效率进行了估计,然后对每个区间型失效数据采用期望值对其失效时间进行估计,通过估计出的失效时间估计出了可靠度的最优置信下限,并给出了计算机模拟结果.     

区间关联函数及其在地区空气质量评估中的应用

在区间关联函数定义的基础上,给出了区间关联函数的规范化方法.根据空气污染指数范围及相应的空气质量类别建立了空气质量的关联函数,根据实际观测数据通过计算得到了2004年中国具有代表性的十大城市空气质量关联函数的区间数.依据区间数的排序方法得到了十个城市空气质量优劣的排序.     

北京市用水结构与产业结构的成分数据回归分析

城市经济发展带来了产业结构和用水结构的明显变化,本文分析了用水结构受产业结构变化影响的变动规律.用水结构和产业结构是一系列按照时间顺序排列的成分数据,运用软件SIMCA-P 11.5建立了基于偏最小二乘回归的成分数据线性回归模型,证明了用水结构组分变动与产业结构变动有一致性.为城市水资源管理提供了合理有效的定量方法,并可作为对未来用水结构预测的基础.     

基于正态分布区间数的概率测度及多属性决策

针对决策中采用均匀分布区间数描述模糊评价值的局限性,提出了应用正态分布区间数进行多属性决策的方法。分析了模糊数的可能性测度,通过概率分布特征量生成正态分布区间数,给出了基于正态分布区间数与一般模糊区间数的互换关系。由正态分布特性确定了正态分布区间数两个模糊算子,采用简化方法对模糊综合评判向量进行模糊集结。采用模糊随机仿真方法生成综合评估值,对统计结果采用模糊均值和方差的排序方法进行决策。实例计算表明了两种方法的有效性。     

灰区间可靠度的确定方法

灰区间可靠度直接影响建立在灰区间基础上的有关研究结果 .本文提出了一种确定灰区间的方法 ,建立了一个确定灰区间可靠度的数学模型 .     

区间模糊互补判断矩阵的一致性及权重计算

文章通过对区间数模糊互补判断矩阵中的一致性信息和冗余信息的研究,给出了此类矩阵的弱一致性、一致性及等价判断矩阵的定义;讨论了他们的一些性质和给出判定区间数模糊互补判断矩阵是否具有弱一致性、一致性的定理和算法;最后还给出了权重向量的定义和通用的计算公式,并举例说明其计算简单性。     

基于区间直觉模糊数ANP的体系贡献率计算方法

体系贡献率主要用于体系建设中度量装备对体系的贡献程度。为解决目前体系贡献率计算存在的一些问题,提出一种“任务–能力–指标–装备”的多层次装备指标体系结构。考虑了装备指标体系结构、网络分析法和区间直觉模糊数的特点,提出了一种基于区间直觉模糊数的网络分析法以得到更准确的体系贡献率。实验表明,该方法不仅能够解决体系贡献率计算公式现存的问题,而且与AHP(analytic hierarchy process)和ANP(analytic network process)相比,可以得到更准确的体系贡献率,为体系建设提供更有效的支持。