基于注意力机制和Mogrifier LSTNet的道路交通占有率预测

提出一种改进的LSTNet深度学习框架用于交通占有率数据预测。采用不同大小的卷积核来捕捉时间序列数据中不同时间范围内的模式和趋势,并融合CBAM注意力机制可以在通道维度和空间维度上自适应地调整特征的权重。通过引入Mogrifier机制多次迭代交替更新LSTM的输入门和遗忘门的权重,以更好地捕捉序列数据中的长期依赖关系。而AR模型充分考虑了数据集的自相关性帮助模型更好地理解历史信息。实验结果表明,提出的模型相对绝对值误差为0.3497,明显优于其他模型,能够有效提高交通占有率的准确预测。

Preliminary Exploration About Teaching Method on Duolingo

This thesis critically examines the effectiveness of Duolingo as a language learning platform.Duolingo is one of the most popular language learning platforms online worldwide that offers language teaching in a free and fun way on mobile apps.It serves as a provider for autonomous learning,namely allowing users to learn languages independently,and is used by language learners of all levels who want to be multi-lingual,or who have the need to learn a foreign language in time for academic or social requirements,and so on.Meanwhile,the effectiveness of teaching method offered on Duolingo has been overestimated,and many problems during learning are ignored.The study methods in the thesis are content study method and contrast study method.The problems will be demonstrated by analysis of the content of Duolingo in many aspects and comparison of another well-known platform called“Innovative Language Learning”.This thesis aims to analyze the downsides of Duolingo in regard to foreign language learning in many aspects in both comprehensive and detailed way,and point out suggestions and solutions for improvement.

各向异性壳聚糖/氧化石墨烯气凝胶的制备及吸附性能研究

通过定向冷冻干燥法制备了具有各向异性孔结构的壳聚糖(CS)/氧化石墨烯(GO)复合气凝胶(M.3CSG),以化学气相沉积工艺对其进行了硅烷化疏水改性,采用扫描电子显微镜、傅里叶红外光谱、力学性能测试、吸附性能测试等手段对材料进行了表征测试。结果表明:M-CSG气凝胶具有各向异性的取向微孔结构,GO的加入提高了M-CSG气凝胶的力学强度。M-CSG气凝胶对多种油和有机溶剂均具有良好的吸附能力,对氯仿的最大吸附量可达62g/g,并在10次循环吸附-解吸后仍保持优异的吸附性能。M-CSG气凝胶作为一种可重复使用的绿色吸附材料在油品回收和环境保护方面具有很大的应用潜力。

基于图像识别技术的冲击地压危险区域智能化评价方法

针对传统冲击地压危险评价方法计算量大、危险区域划分精度低等问题,为适应冲击地压防治智能化、可视化的发展需求,提出了一种基于图像识别技术的冲击地压危险区域智能化评价方法。采用半定量化估算方法,对11项冲击地压危险的动静载主控因素进行量化表征;基于OpenCV机器视觉库和深度学习模型,实现对单一主控因素的图像识别;通过构建图像灰阶与应力集中系数的映射矩阵,实现对单一影响因素的线性与非线性叠加,得到评价区域的应力集中系数矩阵;采用min-max标准化法构建冲击地压危险区域的“无、弱、中等、强”4级判别标准,实现分级分区评价。基于Python语言开发了冲击地压危险智能化评价软件,并对软件实际应用效果进行了检验,结果表明:软件将传统仅针对巷道的一维线性危险区域划分方法改进为针对整个采掘空间的二维平面划分方法,显著提高了评价效率和危险区域划分精度,降低了人工成本;评价结果与微震能量密度云图、现场实测矿压规律一致性较高,可为现场冲击地压防治工作提供有效指导。

基于深度级联森林的乳腺癌基因数据分类研究

乳腺癌基因数据的分类研究在临床医学上具有重要意义。针对基因数据的结构复杂、高维小样本等特点,提出一种最大相关最小条件冗余和深度级联森林结合的基因数据分类方法。选取博德基因研究所乳腺癌基因表达数据集,共98个数据作为样本,每个样本包含1 213个特征基因。首先对数据进行标准化处理,然后利用最大相关最小条件冗余选取特征子集,最后使用深度级联森林对特征子集进行分类。将随机森林、支持向量机和BP神经网络作为对比方法。结果表明,所提出的最大相关最小条件冗余和深度级联森林结合方法的最佳分类准确率达到93.78%,明显优于其他方法。该方法能有效提高乳腺癌基因数据的分类准确率,对基于基因数据的乳腺癌分类具有重要的理论意义与实用价值。

基于加权深度森林的长白山风景区客流量预测

提出一种改进的加权深度森林方法。主要通过筛选多粒度扫描产生的子样本,使预测结果性能更好。选取长白山风景区客流量数据集作为样本,将随机森林、支持向量机和原始深度森林等作为对比方法,验证了模型的有效性。结果表明,提出的算法R^(2)为0.9586,明显高于其他方法。该算法能有效提高客流量预测的准确性,对旅游业的发展具有重要的理论意义与实用价值。

利用整体经验模态分解和随机森林的脑电信号分类研究

癫痫脑电信号的自动监测与分类在临床医学上具有重要意义。针对脑电信号的非平稳特点,提出一种基于整体经验模态分解和随机森林相结合的脑电信号分类方法。选取波恩大学脑电信号数据集中癫痫发作间期和发作期的200个单通道信号,共819 400个数据作为样本。首先利用整体模态分解将癫痫脑电信号分解成多个固有模态函数,然后对各阶固有模态函数提取有效特征,最后分别用随机森林和最小二乘支持向量机对脑电信号的特征进行分类。将随机森林与最小二乘支持向量机分类正确识别率对比,结果表明,随机森林分类方法对发作期和发作间期的癫痫脑电信号的分类效果比较理想,识别精度为99.60%,高于最小二乘支持向量机的准确性。该方法的提出能有效提高临床癫痫脑电信号分析的效率。

基于局部均值分解的高频金融数据波动率估计

为解决高频数据在风险评估中存在的非线性问题,提出了利用局部均值分解方法实现高频数据波动率估计。首先,采用高频模拟数据验证估计方法的可行性;其次,将沪深300指数不同频率收盘价作为研究对象,利用局部均值分解方法估计波动率,计算相对误差统计量。实验结果表明,利用局部均值分解方法可以有效实现高频数据波动率估计和解决高频数据中的非线性问题,随着抽样频率的增加,估计精度逐渐提高。该方法为高频数据波动率非参数估计提供了新的研究思路。

基于VMD和LSTM方法的北京市PM_(2.5)短期预测

雾霾问题是与社会发展息息相关的热点问题,为了进行PM_(2.5)浓度预测,为有效防治雾霾提供依据,本文提出了改进的VMD(变分模态分解)和LSTM(长短时记忆)神经网络相结合的PM_(2.5)预测模型VMD-LSTM。首先利用阈值法确定VMD方法的分解数目,将历史数据分解成不同序列,然后对每个序列进行预测,最后将每个序列的预测结果求和得到最终的预测结果。将VMD-LSTM模型应用到北京市PM_(2.5)序列的短期预测中,并利用7种评价指标将其与ARIMA(整合移动平均自回归)、RFR(随机森林回归)、LS-SVR(最小二乘支持向量回归)、LSTM等9种模型进行比较。结果表明,在其中的5个误差评价指标中,VMD-LSTM模型表现最优,仅有1个误差指标评价位列第二,在协议指数评价中,VMD-LSTM模型最接近于1,精度最高。其中:VMD-LSTM模型的均方误差为41.10,均方根误差为6.42,平均绝对误差为5.79,协议指数为0.97;而RFR、VMD-LS-SVR、ARIMA和LSTM等9种模型的均方误差范围为60.72~1 058.07,均方根误差范围为7.79~32.53,平均绝对误差范围为7.45~26.14,协议指数为0.39~0.95。相比于其他模型,本文提出的VMD-LSTM模型精度最高。

基于迭代随机森林算法的糖尿病预测

针对印第安皮玛族成年女性糖尿病数据集进行分类。将迭代随机森林与机器学习方法如随机森林、K最近邻、基于不同核函数的支持向量机、人工神经网络、Logistic回归、梯度提升机、决策树分类等作比较。分析了分类识别精度、查准率、查全率、度量、ROC曲线和AUC值等6个指标。通过实验发现,与上述其它7种分类算法相比,针对该数据集,迭代随机森林在这些性能指标上的表现是最优的。

黄土沟壑地貌下综放开采覆岩结构稳定性研究

针对王家岭煤矿在黄土沟壑地貌下开采矿压显现特征明显等情况,采用Get Data软件提取回采范围内的高程数据,采用Surfer进行数据处理,构建黄土沟壑三维地貌;基于数值模拟技术研究了黄土沟壑地貌对综放开采覆岩结构稳定性的影响。结果表明:黄土沟壑地貌对采区原岩应力影响显著,随着采深的增加,其影响逐渐减小,表明浅部原岩应力主要受到黄土沟壑地貌的影响,而深部原岩应力主要与岩层埋深有关;黄土沟壑地貌影响下,随着开采工作面的推进,上覆岩层受到的作用力越来越大,关键层开始失稳破断,采空区下沉最严重的拱形区域持续滞后于空区几何中部位置,工作面超前支承压力集中程度受上覆黄土层厚度影响明显。

PES/ZnO@rGO共混超滤膜的制备及其性能

采用溶剂热法合成了ZnO为颗粒状形貌的ZnO@rGO复合材料.以N,N-二甲基乙酰胺(DMAc)及N-甲基吡咯烷酮(NMP)为溶剂,聚乙二醇(PEG4000)为致孔剂,采用非溶剂致相分离法(NIPS)制备了聚醚砜(PES)/ZnO@rGO共混超滤膜,研究了ZnO@rGO复合材料的含量对PES共混膜结构与性能的影响.结果表明:PES/ZnO@rGO共混膜的水接触角从纯PES膜的83.7°下降到66.2°,纯水通量达到198.12 L/(m^(2)·h),是纯PES膜纯水通量的4倍,对牛血清蛋白(BSA)的截留率保持在96%以上,通量恢复率从69%增加到88%,抗污染性能较纯PES膜明显提高.共混膜对甲基蓝(MB)的光催化降解效率从68%提高到93%,显示出优异的光催化降解能力.

基于LMD与随机森林的滚动轴承故障诊断

提出了一种基于LMD和随机森林相结合的滚动轴承故障诊断方法,该方法融合了LMD和随机森林算法,利用LMD分解方法将滚动轴承振动信号分解成若干个PF分量,轴承发生不同故障时,不同PF分量内的统计特征和频带能量会发生变化,从不同的PF分量中计算出其对应的均值、标准差与信息熵等特征值,将这些特征值构造成特征向量,最后运用随机森林算法实现分类滚动轴承类型。结果表明,利用LMD和随机森林相结合算法具有较高的识别精度,可以有效识别滚动轴承的故障类型。

基于局部均值分解和迭代随机森林的脑电分类

为实现癫痫患者的脑电信号有效识别,进而提高患者的生活质量,针对脑电信号的非平稳、非线性特点,提出一种基于局部均值分解和迭代随机森林相结合的脑电信号分类方法。首先利用局部均值分解将脑电信号分解成若干个乘积函数分量和一个残余分量,然后对所有分量进行特征提取,并使用支持向量机、随机森林和迭代随机森林方法进行分类。实验结果表明,迭代随机森林的分类准确率高于支持向量机和随机森林方法。此方法为准确识别癫痫脑电信号提供了一个可行有效的途径,具有较好的推广和应用价值。

税收风险管理大数据分析平台的设计与实现

为实现更好的税收风险管理,提高税收风险的科学性和可应用性,完善税收风险管理基础,提出了税收数据库和税收风险管理相结合的支撑着风险排序、风险查询和风险指标管理的税收风险管理平台。该平台能解决税务部门在现有税收风险分析平台无法处理大量数据的问题,有利于税务部门从大量数据中找出税收过程中可能出现的各类风险,从而可以根据风险提示避免、减少和预防此类风险的发生。

基于EMD和GARCH模型的股票收盘价格预测

首先对股票收盘价序列进行经验模式分解(EMD),对分解后的本征模函数(IMF)与残差序列分别拟合ARMA-GARCH模型。将所建模型的预测结果相加,往后预测5 d的收盘价格,并与原始序列所建ARIMA-GARCH模型的预测结果进行比较。比较结果可以帮助股票投资者预测股票市场行情。

深度森林算法的慢性肾病识别

对慢性肾病数据集进行分类,并将深度森林与线性判别、朴素贝叶斯分类、K-最近邻、人工神经网络、支持向量机、决策树和随机森林进行比较,分析了精度、查准率、查全率和F1度量四种评价指标。

广州市番禺区12320名小学生步行安全教育干预效果评价

目的了解广州市番禺区小学生步行安全现存的问题,探讨其影响因素并评价干预效果,为中小学生步行伤害预防与控制策略的制定提供理论依据。方法采用分层整群随机抽样方法,抽取广州市番禺区20所小学,通过自填式问卷调查对12 320名学生展开步行安全集体干预,并运用logistic回归法分析影响其步行安全的因素。结果 (1)干预后,学生知识知晓率提升,黄灯知晓率、安全通过马路知晓率、十字路口遇红灯过马路的步骤认识率分别上升11.74%、4.03%、4.49%(χ~2=552.217、156.249、152.936,P<0.05),差异有统计学意义;斑马线标志(χ~2=3.048,P>0.05),差异无统计学意义;(2)干预前后,有危险行为发生率、是否曾与机动车/非机动车发生碰撞率均有所降低,且差异有统计学意义(P<0.05);(3)小学生步行安全与知识、行为、学校类型、校外情况、年级存在联系。结论健康教育可提高全区小学生交通安全知识,减少学生危险交通行为,降低小学生步行伤害发生率;加强低年级、临近机动车道学校和农村学校学生的交通安全教育,对小学生步行安全具有重要意义。