WRF模式对2013年7月四川盆地一次暴雨过程的数值模拟

为了更好的研究2013年7月8日—10日四川盆地一次暴雨过程,利用WRF模式对本次强对流天气的中尺度天气系统与大尺度环流形势及强降水的分布空间进行模拟,分析发现,此次暴雨过程中的水汽来自孟加拉湾及南海的暖湿空气和四川盆地以东地带的东南气流,龙门山脉地形的阻挡作用为暴雨过程提供了充足的水汽积累,低层低压气流辐合,近地面高温以及强烈的上升运动使得暴雨过程能够持续进行。模拟结果与观测事实基本一致,因此,WRF模式可作为研究暴雨过程的有效方法 。

融合动态图表示和自注意力机制的级联预测模型

传统的级联预测模型不考虑信息传播过程中的动态性且极大依赖于人工标记特征,推广性差,预测准确性低。为此,该文提出一种融合动态图表示和自注意力机制的级联预测模型(DySatCas)。该模型采用端到端的方式,避免了人工标记特征造成级联图表示困难的问题;通过子图采样捕获级联图的动态演化过程,引入自注意力机制,更好地融合在观测窗口中学到的信息级联图的动态结构变化和时序特征,为网络合理地分配权重值,减少了信息的损失,提升了预测性能。实验结果表明,DySatCas与现有的基线预测模型相比,预测准确性有明显提升。

融合多特征的属性异质网络嵌入方法

网络嵌入旨在用低维、实值的向量表示非结构化网络中的节点,使节点嵌入尽可能地保留原始网络中的结构特征与属性特征。然而,当前研究主要集中于嵌入网络结构,对异质信息网络中具有丰富语义的关系属性和节点属性考虑得较少,可能导致节点嵌入语义缺失,从而影响下游应用的预测效果。针对该问题,设计了一种融合多特征的属性异质网络嵌入(Attributed Heterogeneous Network Embedding with Multiple Features,MFAHNE)方法。该方法通过序列采样、结构特征嵌入、属性特征嵌入、特征融合等步骤将网络中的关系属性、节点属性、结构语义等特征融合至最终节点嵌入。实验结果表明,该方法能兼顾结构特征与属性特征,实现两种特征信息的相互补充,优于传统的网络嵌入方法。

结合元路径的属性重边异质网络嵌入方法

网络嵌入(network embedding)技术已被广泛地应用于图数据挖掘领域,并取得了良好的表现.然而当前针对异质网络的嵌入模型研究主要集中于拓扑图为简单图的网络,没有考虑对象之间的多重关系及其关系属性,这可能导致节点嵌入语义不完整、下游预测任务性能不高的问题.针对此问题,本文设计了一种结合元路径的属性重边异质网络嵌入(Attributed Multiple-Edge Heterogeneous Network Embedding with meta-path,AMEHNE)方法.该方法通过子网抽取、子网嵌入、嵌入融合等步骤将具有多重关系的网络节点嵌入到一个低维、实值的空间,同时还基于关系属性优化了元路径采样方式.实验结果表明,该方法优于传统的网络嵌入方法,能够对小样本节点在分类、聚类任务上有较大提升效果.

基于遗传算法的BP神经网络对高炉炉温的预测

本文为基于遗传算法优化的BP神经网络对高炉炉温的预测。从机理上求解冶炼过程的混合动力学方程组最优解是尚未解决的数学难题,BP神经网络能以任意精度逼近任意复杂度的连续函数,因此采用BP神经网络进行炉温预测。对于BP神经网络输出的不确定性,本文采用遗传算法对网络层之间的权重及阈值进行优化,以稳定网络输出。验证结果表明,该模型预测结果与真实值平均相对误差为3.67%,对炉温升降成功预测率达91.67%,二者均具有较高的准确率。

基于朴素贝叶斯分类的睡眠诊断

随着生活节奏的加快,越来越多的人不同程度得有睡眠质量问题。如何根据匹兹堡睡眠质量指数量表(PSQI)确定自己的大致问题对于普通人来说还比较困难。文章将基于4885条已确诊病例进行数据挖掘,采用朴素贝叶斯分类方法,对常见睡眠质量进行诊断,已验证其准确性。

人工授精平角涡虫早期胚胎和幼虫的扫描电镜观察

为探明平角涡虫(Planocera reticulata)胚胎发育规律,采用人工授精方法,获得不同发育阶段的无卵外胶膜胚胎,并运用扫描电镜技术,观察了受精卵早期胚胎发育和幼虫发育。结果表明,从第3次卵裂开始表现出螺旋式卵裂的特征。在囊胚时期和原肠时期在动物极顶端有几个卵裂球向内下陷形成一凹陷。浮游幼虫期的幼虫利用体表纤毛营自由游泳生活,虫体沿腹中线分布1列向外凸出的长细胞。底栖爬行时期虫体体表纤毛逐渐减少,腹侧形成明显的口和咽。本文讨论了平角涡虫与本目其他涡虫卵裂方式、幼虫发育的异同,以及出现的动物极凹陷的意义。