矩形截面型材三维拉弯成形的回弹预测

设计了用于三维拉弯成形的、可重构的柔性模具,并采用支持向量回归机和有限元模拟对柔性三维拉弯成形的回弹进行预测.使用有限元法分析了对回弹量影响较大的6个因素(包括材料参数、几何参数和工艺参数),以及它们对回弹的影响趋势.选用这6个参数设计有限元三维拉弯模拟实验,并用模拟结果训练和检验支持向量回归机回弹预测模型.通过与广泛应用的神经网络预测方法的预测值和有限元模拟试验结果的比较,检验该回弹预测模型的准确性.研究发现,该模型与神经网络相比具有更高的准确度,在试验中根据该模型预测的回弹量对模具型面进行相应的补偿,可以有效地减小回弹和形状偏差.     

基于小波变换系数去冗余的图像无损压缩方法

本文对基于DPCM与整数小波相结合的算法在无损图像压缩中的应用进行了深入研究.研究表明,分块图像数据经过整数小波变换后仍存在冗余,对这些冗余的数据进行分析,可通过DPCM编码,对变换后的数据做进一步的压缩.由于5/3整数小波变换的特性,其冗余信息主要分布在水平、垂直和对角线的方向.因此,本文在大量实验数据的基础上,提出了一种按照冗余信息的分布规律,构造出预测模板,再对变换后的不同的子带系数选择相应的、开销最小的模板进行残差系数冗余信息去除的方法.实验结果表明,所提出方法的残差系数的平均码长比原始图像的平均码长减小了2.61,总压缩率比JPEG 2000压缩率平均提升了4.63%,相比原始图像直接进行DPCM编码压缩率平均提升了6.16%,同时因其算法简单,非常适合于硬件FPGA上的实现.     

基于证据权模型的宁芜盆地中段玢岩铁矿资源预测

基于证据权模型,对宁芜盆地中段玢岩铁矿进行矿产资源评价.首先,结合研究区的成矿地质背景,提取地层、岩体、构造、物探异常等四大类证据因子.然后,分析各证据因子与铁矿点之间的空间关系,认为大王山旋回火山岩与次火山岩与玢岩铁矿的关系最为密切,是寻找玢岩铁矿的岩石标志,深成侵入体则与铁矿空间上无明显关系,构造、物探异常在空间上与玢岩铁矿也有较大关联.根据计算结果,选取与玢岩铁矿密切相关的大王山旋回火山岩地层、闪长玢岩岩体、各方向(EW,NW,NE)构造缓冲区、航磁异常和布格重力异常七类证据图层.最后,采用证据权模型进行成矿后验概率计算,结合成矿地质背景及物探异常,圈定5个成矿预测区,它们在区域上具明显的NE向展布特征,并且普遍分布与成矿密切相关的闪长玢岩岩体,同时位于航磁高值以及NW向和NE向构造发育密集处.     

人白介素6表位疫苗的设计及其免疫原性

构建人白介素6(h IL-6)表位疫苗,研究其免疫原性。利用在线预测工具预测h IL-6线性B表位(Ala69-Asn80);重叠延伸PCR法对h IL-6进行基因融合,克隆到质粒p GEX-6P-1,并在大肠杆菌BL21(DE3)中表达;亲和层析法纯化融合蛋白,鉴定其纯度达95%以上;皮下免疫BALB/c小鼠,ELISA法测定抗血清效价,表位(Ala69-Asn80)移植到白喉毒素转膜区(DTT,Ser305-Ile310),构建的表位疫苗可刺激机体产生针对h IL-6的抗体,抗血清效价达1.0×105。     

支持向量机方法预测七鳃鳗miRNA前体

将七鳃鳗miRNA前体(pre-miRNA)序列的结构特征作为支持向量机工具Lib-SVM的输入向量,经Grid程序优化参数后,开发序列预测程序Lj-miRSVM,通过10倍交叉法验证,平均敏感性和特异性分别为95%和95.9%,准确率为95.8%,接收者操作特征曲线(ROC)下的面积比约为98.9%。用Lj-miRSVM预测其他20个物种的pre-miRNA,平均正确率为78.5%。     

一种基于混合模型WRC的流量预测方法

针对当前网络流量预测方法在刻画网络流量多重特性方面存在的准确性及噪声干扰的问题,提出了一种基于混合模型WRC的流量预测方法,该方法利用小波分解将网络流量混沌时间序列分解为流量特性不同的近似时间序列和细节时间序列,并利用RBF神经网络和混沌模型分别对这两种时间序列进行处理,得到预测时间序列后再进行小波重构,得到最终的预测值.仿真实验结果表明模型预测有效,且预测精度较高.     

基于蚁群搜索理论的优化卡尔曼步频预测

为了使智能下肢能够实时地调节膝关节阻尼,使其固有频率与实际步频相符,达到更加接近正常步态的效果,提出了一种基于蚁群搜索理论的卡尔曼步频预测算法.利用蚁群算法在规定的连续域中寻找卡尔曼预测方程中系统误差与测量误差两个参数的最优组合,实现对卡尔曼预测方程的优化.通过获取六组人行走的步频数据进行实验,结果表明:经蚁群算法优化后,卡尔曼预测算法预测得到的步频与后验值之间的误差比跟随方式的误差分别减少了44.10%,43.42%和36.17%,证明了基于蚁群搜索理论的优化卡尔曼步频预测方法在智能下肢控制上具有良好的应用前景.     

基于模板匹配与线性预测的目标跟踪算法

为解决复杂场景中目标遮挡、算法鲁棒性差的问题, 提出基于模板匹配与线性预测的算法。该算法分为模板匹配和线性预测两部分。场景中无遮挡物时, 执行模板匹配算法, 获取目标跟踪信息; 否则, 通过预测算法估计目标的状态, 进而实现目标跟踪。实验结果表明, 在目标有遮挡干扰的情况下, 采用该算法能稳定、准确地实现目标跟踪, 与传统的模板匹配算法相比具有较强的鲁棒性。     

阿姆河右岸生物礁滩储层的横波速度预测方法

为提高阿姆河右岸生物礁滩储层叠前弹性参数反演的精度和可靠性,采用岩石物理测试分析的纵、横波速度的关系式估算小孔隙度储层的横波速度,采用基于基质矿物等效体积模量反演方法、碳酸盐岩孔隙结构反演方法和Xu-White模型方法估算中、大孔隙度储层的横波速度。用该方法计算的横波速度结果与没有考虑该区孔隙结构的计算方法结果对比,精度明显提高,并且和实际测井的横波速度曲线也更加吻合。根据阿姆河右岸生物礁储层的特点,对储层孔隙结构分类采用不同的横波预测方法,更适合于该区的生物礁滩储层反演和油气预测。     

基于QPSO-RBF神经网络的交通流量预测方法

提出一种粒子群优化神经网络的预测方法,首先基于改进的量子行为粒子群算法对神经网络进行训练,以保证各权值和阈值能得到最优解,同时对训练样本进行了基于聚类算法的优选.最后进行了仿真验证,证明本文方法用于短时交通流量预测可以获得较高的精度并且误差稳定,为交通流量预测的实际应用提供了一种参考.