一种有效的基于实数编码的多目标遗传算法

针对实数编码遗传算法提出了一种通用的基于决策变量的复合交叉算子,并将之用于多目标优化问题的求解,算法效果良好,一定程度上解决了高维多目标优化问题在用遗传算法求解时收敛性差这一难题.通过实验首次揭示了交叉点数对多目标遗传算法性能的影响.     

用拓扑量子方法预测多氯代二苯醚的正辛醇/水分配系数

正辛醇/水分配系数(logKow)是用于判断化合物毒性的重要参数.以210种(含二苯基醚)可能分子结构多氯代二苯醚(PCDEs)中已有logKow实验数据的107种为建摸样本,在以往的量子化学算法、分子连接性指数法和体积参数法预测PCDEs的logKow基础上,本文采用新的拓扑量子方法预测PCDEs的logKow该方法考虑分子图顶点的性质,直接用PCDEs分子碎片的电离能Ip为主元构建拓扑分子邻接矩阵,同时结合分子轨道理论,指定矩阵特征根居中的二个为分子轨道的前线轨道(HOMO、LUMO).计算的结果表明,求得的HOMO、分子体积与logKow有很好的相关性:logKow=-0.8899 0.005865SR-0.1498HOMO,R=0.9700,s=0.1968,F=829.9,n=107.图3,表3,参9.     

关于两类n阶变系数线性方程的求解

众所周知,能用初等积分法求解的常微方程为数是不多的。就是线性方程,当系数是自变量的函数时,至今为止也没有一般的求解方法,但是当系数是常数时,便可求解了。本文对两类变系数方程,通过变量替换,化为常系数方程,从而解决了求解问题。     

多波长分光光度技术测定NO2^—、NO3^—混合组分含量的研究

通过测定NO2、NO3^-、NH3.H2O混合体系中各组分的吸收曲线,在200nm240nm之间,选择适合的波长对,运用双波长等吸收点法、系数倍率法和三波长线性回归法,用数学分离代替化学分离,互相消除或掩蔽干扰组分,快速准确地测定了混合体系中待测组分的含量。     

磁化增注机理的分子动力学模拟

采用分子动力学模拟方法，从分子水平对磁化增注的机理进行了模拟研究。计算结果表明在优化磁感应强度范围内，水的表面张力系数和粘滞系数降低，使水的渗透性和流动性增强，达到增注的目的；在此基础上，从结晶学的角度对磁化防垢的效果进行了分析，研究表明经优化磁场处理后，水溶液的临界晶核半径减小，晶体成核速率和生产速率明显增加，溶液的过饱和度迅速降低，晶体的长大受到限制而形成较小的结晶颗粒，析出的固相将有更多的部分悬浮于水中，易于随水流动而减少沉淀，从而达到防垢、增注的效果。磁化增注效果在B=0．25T时最为明显。     

用密闭小室测定建材VOC散发特性

建筑材料散发的有机挥发物(VOC)能影响室内空气品质,为研究建材VOC的散发情况,提出了一种测量建材VOC散发特性(初始VOC平均浓度、分离系数)和对流传质系数的方法.选取了几种常见建材(复合地板、大芯板、地板砖和地毯)的甲醛散发作为测试对象,在密闭不锈钢小室内测量建材的甲醛散发曲线,用穿孔萃取仪测量建材内甲醛的平均浓度,通过拟合测量结果可以得出建材的散发参数.测试方法和测量结果为建材的筛选和VOC散发性能评价提供了参考依据.     

支持向量分位数变系数模型的估计及应用

基于不对称“ε-不敏感”损失函数提出变系数模型的参数估计方法,并应用支持向量回归理论和凸二次规划理论给出模型的估计算法.结果显示,所得估计曲线可在不同分位数水平得到一个稀疏解,而数值模拟研究和共享单车实例数据分析结果进一步证实该方法的正确性和实用性.     

两地中考数学试题的综合难度比较研究——以某省C市与H市为例

通过了解相关中考试题的特点,对综合难度系数模型做了相应的调整,以C市与H市两地2017～2021年中考数学试题为研究对象,考虑认知水平、背景、运算水平、推理水平、知识含量与阅读量6个难度因素对试题综合难度的影响,对比研究了两个地区中考数学试题的综合难度系数.研究发现：C卷与H卷试题在阅读量因素上有明显的差异,C卷更注重考查学生的数学阅读能力;H卷认知水平的难度较低,注重对学生识记水平的考查;C卷6个因素的难度系数均高于H卷,即C卷的综合难度高于H卷.根据研究结果提出试题命题建议：均衡各难度因素,优化试卷质量;丰富试题背景,贴近实际生活;创新题型设置,培养思维能力.     

基于LSTM的燃煤电厂NOx排量软测量

燃煤电厂煤粉在燃烧过程中产生的有害气体会对大气环境造成污染,NO_x为其中之一。针对燃煤电厂生产过程中NO_x排放量测量成本高、过程复杂等问题,考虑到机组运行数据具有的时间序列特征,提出一种基于长短期记忆神经网络的软测量方法对NO_x排放量进行预测。在分析NO_x产生机理的基础上,利用来自陕西省榆林市某电厂2019年1月至6月的实际生产数据,初步选取与NO_x排放量紧密相关的20个辅助变量;将数据进行预处理以消除粗大误差和随机误差,并利用灰色关联度分析进一步精选出15个辅助变量;将实际生产数据划分训练集和测试及对LSTM模型进行训练和测试,并将LSTM模型与BP神经网络模型和支持向量机模型的软测量结果比较。结果表明：基于LSTM的测量方法均方误差较基于BP神经网络与SVM的方法均有减小,说明该方法测量准确度较高,泛化能力更强。