基于分位数方法的超高维删失数据的特征筛选

利用条件分位数分别在响应变量非随机删失和随机删失的情形下研究超高维数据的特征筛选,提出相应的特征筛选方法,理论证明和模拟验证都证明该方法筛选出的变量集满足确定筛选性质和排序一致性。与已有方法相比,本文方法在协变量与删失变量相关时具有相对优势。

餐厅预定O-L预测模型与营运策略的改进

针对餐厅预定超额与不足问题,基于BP神经网络模型和灰色预测模型GM(1,n),建立餐厅超额预定与预定不足(OL)预测模型。借助GM(1,n)模型对影响因素进行评估,通过考虑价格、就餐满意强度、时间段、等待时间、厨师效率和餐厅容量等6个因素,分析各因素的作用程度和机会成本,对边际收益最高的因素进行改进。让商家在改进经营策略时找到侧重方向,帮助餐厅及时调整经营方式和策略,在不损失顾客的前提下获得最大利润。

基于混合模型adaptiveLASSO方法的气象数据实时变点检测

气象数据的实时变点检测是一个重要的问题,正确的预测能够对民生有着积极的影响。以桂林市降雨量的数据为例,建立混合模型,采用adaptiveLASSO进行变量选择,基于CUSUM建立检验统计量,最后估计出桂林市降雨量的变点。

瑞马唑仑与丙泊酚在MECT治疗中的应用效果比较

目的比较瑞马唑仑与丙泊酚在无抽搐电休克治疗(MECT)中的应用效果。方法选取我院2023年3月-6月择期行MECT治疗的60例患者为研究对象,随机分为瑞马唑仑组(A组)和丙泊酚组(B组),每组30例。A组静注琥珀胆碱1.0 mg/kg、瑞马唑仑0.3 mg/kg,B组静注琥珀胆碱1.0 mg/kg、丙泊酚2.0 mg/kg。记录两组患者入室时(T0)、诱导后(T1)、电刺激时(T2)、电刺激后5 min(T3)、电刺激后10 min(T4)的平均动脉压(MAP)、心率(HR)、脉氧饱和度(SpO_(2))及呼吸恢复时间、停药后苏醒时间、麻醉诱导时间、抽搐电量、抽搐发作时间、不良反应发生情况。结果A组患者T1、T2、T3、T4时MAP、HR均高于B组(P<0.05),两组患者T0时MAP、HR比较,差异无统计学意义(P>0.05),两组患者各个时间点SpO_(2)比较,差异无统计学意义(P>0.05);A组呼吸恢复时间、停药后苏醒时间短于B组(P<0.05),而镇静药诱导时间、抽搐发作时间长于B组(P<0.05);A组注射痛发生率低于B组(P<0.05),两组恶心呕吐发生率比较,差异无统计学意义(P>0.05)。结论瑞马唑仑在MECT治疗中可使患者呼吸恢复时间与苏醒时间短于丙泊酚,抽搐发作时间长于丙泊酚,但对呼吸和循环的影响较小,不良反应发生率低,与丙泊酚相比具有一定的优势。