引入相量算子和流向算子的天鹰优化算法

针对天鹰优化算法搜索效率不足,容易陷入局部最优的缺点,提出多策略改进天鹰优化算法(MIAO).引入广义正态分布优化算法(GNDO),将该算法得出的结果与天鹰优化算法第1阶段得出的结果进行比较,筛选出这2种优化算法下的最优值.该操作扩大了搜索空间,提高了解的质量.引入相量算子,将第2阶段变为自适应的非参数优化,提高算法的高维优化能力.针对天鹰优化算法在迭代后期存在种群多样性降低、局部开发能力不足的问题,在天鹰算法的第3阶段引入流向算子,使信息可以在每个个体间相互传递,提高种群信息的利用率,增强天鹰优化算法的开发性能.通过对16个测试函数寻优对比分析以及Wilcoxon秩和检验可知,MIAO的寻优能力和收敛速度都有较大的提升.为了验证MIAO算法的实用性和可行性,采用所提算法求解减速器设计问题,通过实际工程优化问题的实验对比分析可知,MIAO算法在处理现实优化问题上具有一定的优越性.

基于正余弦的非线性哈里斯鹰优化算法

针对哈里斯鹰优化算法(HHO)收敛精度低、易陷入局部最优等问题,提出了一种基于正余弦的非线性哈里斯鹰优化算法(SCNHHO)。首先,采用佳点集策略对种群进行初始化,使种群分布更均匀,提高算法收敛速度和精度;其次,在探索阶段引入正余弦策略,利用正余弦函数的震荡特性扩大搜索范围,寻求更多潜在的优质解;最后,在开发阶段引入非线性参数来平衡探索与开发,避免算法陷入局部最优。针对不同维度的基准测试函数进行性能测试,结合Wilcoxon秩和检验与Friedman检验的结果,将该算法与其他5个对比算法进行分析。结果表明,改进算法性能较原始HHO算法有较大提升,并且优于斑马优化算法(ZOA)、鲸鱼优化算法(WOA)和2种哈里斯鹰算法的变体(MHHO和IHHO),验证了改进策略的有效性。最后通过三杆桁架设计问题进一步验证了SCNHHO的实用性。

多策略改进的蜣螂优化算法及其应用

蜣螂优化算法(DBO)是近年提出的智能优化算法,与其他优化算法一样,DBO也存在收敛精度低、易陷入局部最优等缺点。针对DBO的这些局限性,提出一种多策略改进的蜣螂优化算法(MIDBO)。首先,改进雏球和偷窃蜣螂对局部最优解和全局最优解的接受程度,使其根据自身搜索能力动态变化,既提升了种群质量又保持了适应度高的个体的良好搜索能力;其次,融合麻雀搜索算法中的追随者位置更新机制对算法进行扰动,并用贪婪策略更新位置,提升了算法的收敛精度;最后,当算法陷入停滞时引入柯西高斯变异策略,提高了算法跳出局部最优解的能力。仿真实验基于20个基准测试函数和CEC2019测试函数,验证了3种改进策略的有效性,将所改进算法和对比算法的优化结果进行收敛性分析和Wilcoxon秩和检验,证明了MIDBO具有良好的寻优性能和鲁棒性。将MIDBO运用在汽车碰撞优化问题的求解上,进一步验证了MIDBO在求解实际工程问题中的有效性和可靠性。

一种多策略改进鲸鱼优化算法的混沌系统参数辨识

针对混沌系统参数辨识精度不高的问题,以鲸鱼优化算法(whale optimization algorithm,WOA)为基础,提出一种多策略改进鲸鱼优化算法(multi-strategy improved whale optimization algorithm,MIWOA)。采用Chebyshev混沌映射选取高质量初始种群,采用非线性收敛因子和自适应权重,提高算法收敛速度,为了避免算法陷入局部最优,动态选择自适应t分布或蚁狮优化算法更新后期位置,提高处理局部极值的能力。通过对10个基准函数和高维测试函数进行仿真试验,表明MIWOA具有良好的稳定性和收敛精度。将MIWOA应用于辨识Rossler和Lu混沌系统参数,仿真结果优于现有成果,表明本文MIWOA辨识混沌系统参数的高效性和实用性。

水轮发电机组压力脉动及稳定性分析

水轮发电机组作为水力发电站的核心设备,在长期运行过程中不可避免地产生振动和压力脉动问题,长期振动会加速机械零件的磨损和疲劳,降低机组的寿命和可靠性,还可能导致机组的不稳定运行,甚至引发严重事故,对发电站的安全性构成威胁。这些振动和脉动问题源自多方面因素,其中包括水流的动态性、叶轮的设计与制造质量、以及机组与水力系统之间的复杂相互作用。这些振动和压力脉动问题对水轮发电机组的性能、可靠性和安全性都带来了负面影响。因此,深入研究水轮发电机组在运行过程中的振动和压力脉动问题,寻找有效的解决方案显得尤为重要。通过对安砂水电站3号机组实验数据的分析,深入探讨了水轮发电机组压力脉动及振动引起的运行稳定性问题。通过利用秩和检验以及皮尔逊相关性系数对水轮机组运行过程中的压力脉动、振动和摆度信号进行分析,发现水轮机组整体信号之间存在较强的相关性,尤其是在摆度信号中。最后,从水轮发电机组的设计、运行和维护各个阶段,探讨了降低水轮发电机组运行中产生的压力脉动及振动问题的方法与策略。通过采取这些措施,我们可以有效地降低振动和压力脉动问题带来的负面影响,确保水轮发电机组安全、稳定地运行,为可持续能源的发展做出贡献。

嘉兴市大气NO_(2)对呼吸系统疾病门诊量的影响分析

目的 分析嘉兴市大气NO_(2)对呼吸系统疾病门诊量的影响。方法 收集2019—2021年嘉兴市每日大气NO_(2)监测资料、气象资料和呼吸系统疾病门诊量资料。分别应用Wilcoxon秩和检验和广义相加模型(GAM)2种统计方法,研究大气NO_(2)对呼吸系统疾病门诊量的急性效应。结果 期间大气NO_(2)日均浓度超标9 d。大气NO2超标日的呼吸系统疾病门诊总量和儿童呼吸系统疾病门诊量均高于达标日。单日滞后效应分析时,NO_(2)对呼吸系统疾病门诊总量和成人门诊量的滞后效应值均在lag4时达到最大,而儿童门诊量则在lag3时达到最大。NO2每增加10μg/m^(3),呼吸系统疾病门诊总量、成人和儿童门诊量分别增加2.23%(95%CI:1.52%~2.94%)、1.73%(95%CI:1.06%~2.41%)和2.73%(95%CI:1.73%~3.74%);累积滞后效应分析时,呼吸系统疾病门诊量效应值均在lag07时达到最大,NO2每增加10μg/m^(3),呼吸系统疾病门诊总量、成人和儿童呼吸系统疾病门诊量分别增加5.35%(95%CI:4.06%~6.66%)、3.47%(95%CI:2.25%~4.70%)和7.17%(95%CI:5.31%~9.07%);儿童门诊量的最大效应值高于成人。结论 嘉兴市大气NO_(2)浓度升高可能引起呼吸系统疾病门诊量增加,且具有滞后性,应特别加强儿童呼吸系统的健康防护。

具有混合策略的樽海鞘群特征选择算法

近年来,随着计算机和数据库技术的快速发展,大规模数据集迅速增长,利用特征选择技术来筛选信息量大的特征已经变得非常重要。本文提出了一种具有混合策略的樽海鞘群特征选择算法(salp swarm feature selection algorithm with hybrid strategy,HS-SSA)。首先,本文生成一张基于互信息的排序表,并由排序表提出了新的初始化策略。其次,提出一个新颖的并且有条件调用的动态搜索算法。最后在位置更新上结合瞬态搜索算法(transient search algorithm,TSO),改进勘探和开发步骤的效率,增加解空间的灵活性和多样性,从而使算法能够快速定位到全局最优位置。为了验证算法的性能,实验选取14个UCI的数据集,并且与樽海鞘群算法(SSA)以及近几年樽海鞘群的改进算法等多种优化算法进行比较,结果表明HS-SSA在特征选择上具有更强的竞争力。

结合动作捕捉的外骨骼座椅协调性评估

外骨骼座椅在工业中的应用日渐流行,但部分外骨骼座椅的协调性仍有待提高。为全面评估外骨骼座椅在动静态下的协调性,12名受试者在穿戴和未穿戴外骨骼座椅的条件下,模拟了快递流水线作业的动静态任务。运用光学动作捕捉设备采集髋膝踝关节的运动数据,并使用SPSS对其进行Wilcoxon秩和检验,最后通过五级李克特量表问卷采集主观评估数据,验证主客观结果的一致性。结果显示,在动态行走任务中,双腿膝关节角均有所下降,髋膝踝关节的速度和加速度也呈现下降趋势,在快走时尤为明显:在静态坐姿下,臀部和大腿上侧易产生不舒适感,调整坐姿容易发生倾倒。结论,该外骨骼座椅的整体协调性较差,限制了各关节的运动:在辅助坐姿时,易产生不稳定感和不舒适感。主客观数据结果表现一致,该方法能有效地定量评估外骨骼座椅的协调性,为进一步优化提供定量参考。

基于Frank Wilcoxon秩和检验的多元统计分析在酿酒葡萄分级中的应用

利用2012全国数学建模竞赛A题所提供的某一年份一些葡萄酒的评价结果及该年份这些葡萄酒和酿酒葡萄的成分数据,首先采用Frank Wilcoxon秩和检验对两组评酒员的评价结果有无显著性差异进行了判别,随后对两组葡萄酒样品评价结果的变异系数进行了比较,得出第二组结果的可信度更高;其次对酿酒葡萄的理化指标进行了主成分分析,并将葡萄酒的质量作为一级指标,采用聚类分析法,利用SPSS软件对酿酒葡萄进行了分级,数值结果说明了方法的有效性.

基于切线飞行的麻雀搜索算法

为解决在临近全局最优条件下,原始麻雀搜索算法(sparrow search algorithm,SSA)存在种群多样性降低,局部开发能力薄弱导致不容易跳出局部最优点的问题,提出基于切线飞行的麻雀搜索算法(tangent flight sparrow search algorithm,tanSSA)。首先,使用自适应t分布策略改进发现者位置更新公式,可以提高麻雀个体的寻优能力,同时防止算法早熟。然后,利用切线搜索算法中切线飞行策略所具有的可以增强算法探索搜索空间能力,且能使算法跳出局部最优解的优势,在原始麻雀搜索算法中使用切线飞行扰动策略对最优解进行扰动。这两种策略相结合,可以有效提升tanSSA算法的勘探与开发性能。最后,使用12个标准基准测试函数,结合Wilcoxon秩和检验来测试验证tanSSA算法的优化性能,并与原始SSA算法、鲸鱼优化算法、粒子群优化算法以及自适应t分布SSA算法进行比较。实验证明,基于切线飞行的麻雀搜索算法的寻优能力和收敛速度都有显著提升。

全局扰动和互利因子作用的飞蛾扑火优化算法

为解决飞蛾扑火优化(moth-flame optimization, MFO)算法收敛速度慢、容易陷入局部最优等问题,提出一种飞蛾扑火优化(DBMFO)算法。使用Bernoulli混沌映射,提高初始种群的多样性;引入全局扰动因子,提高算法的全局搜索能力;使用互利因子对全局扰动后的位置再次进行更新,避免新的算法陷入局部最优,使得算法更快收敛。通过对10个基准函数进行仿真实验,确定迭代系数的取值,通过Wilcoxon秩和检验来验证算法性能,其结果表明,改进的DBMFO算法在求解的精确度以及收敛速度上均有明显提升。

融合多策略人工水母算法及工程应用研究

针对人工水母群算法(JS)在求解较为复杂问题和部分工程问题时存在易陷入局部最优和寻优精度低等问题,提出一种融合多策略的人工水母算法。首先,该算法利用莱维飞行的扰动策略对洋流运动和被动运动阶段位置更新方式进行扰动,增强算法跳出局部最优的能力;其次,对水母跟随洋流和群内被动运动阶段引入指数递减惯性权重,使算法扩大全局搜索范围,提高寻优收敛速度;最后,将黄金正弦引导机制引入至被动运动阶段,替换原有被动运动位置更新方式,提升算法在探索和开发阶段的寻优能力。通过对6个基准测试函数进行测试分析,采用Wilcoxon秩和检验证明改进算法的寻优能力强、收敛速度快,将其应用于压力弹簧设计工程实际问题中,进一步验证了改进算法的适应性和有效性。

融合动态反向学习的阿奎拉鹰与哈里斯鹰混合优化算法

阿奎拉鹰优化算法(Aquila optimizer, AO)和哈里斯鹰优化算法(Harris hawks optimization, HHO)是近年提出的优化算法。AO算法全局寻优能力强,但收敛精度低,容易陷入局部最优,而HHO算法具有较强的局部开发能力,但存在全局探索能力弱,收敛速度慢的缺陷。针对原始算法存在的局限性,本文将两种算法混合并引入动态反向学习策略,提出一种融合动态反向学习的阿奎拉鹰与哈里斯鹰混合优化算法。首先,在初始化阶段引入动态反向学习策略提升混合算法初始化性能与收敛速度。此外,混合算法分别保留了AO的探索机制与HHO的开发机制,提高算法的寻优能力。仿真实验采用23个基准测试函数和2个工程设计问题测试混合算法优化性能,并对比了几种经典反向学习策略,结果表明引入动态反向学习的混合算法收敛性能更佳,能够有效求解工程设计问题。

中国股票市场操纵识别研究——基于机器学习分类算法

本文整理了2006—2021年证监会行政处罚涉及的股票市场操纵案例,并通过Wilcoxon秩和检验来筛选构造解释变量,之后综合运用各种过采样算法和机器学习模型对其进行实证分析。研究发现:第一,经过过采样算法扩充样本的模型预测精度明显大于样本不平衡的模型;第二,综合比较各种过采样算法,Borderline-SMOTE过采样算法的预测精度大于SMOTE和ADASYN过采样算法;第三,综合比较各类机器学习分类模型,SVM模型的预测精度明显大于其他机器学习分类模型。本文结论对股票市场操纵的及早识别预测,促进资本市场良性发展具有一定的理论意义和实践价值。

基于复杂DN-SBM-DEA模型的中外资商业银行经营效率对比研究

合理测度商业银行内部经营效率,挖掘导致经营无效率的内部原因,对促进中国银行业的持续健康发展具有重要的现实意义。本文从商业银行经营活动的持续性、流动性、安全性及盈利性角度出发,将商业银行的内部经营过程划分为吸收存款、负债配置及资产盈利三个阶段,并构建了相应的复杂网络结构及复杂DN-SBM-DEA模型。以2013~2017年间我国内地44家中外资商业银行为研究样本,本文主要得出以下结论:与SBM-DEA模型、NSBM-DEA模型相比,DN-SBM-DEA模型由于既考虑了银行经营的内部过程,又考虑了结转变量的滞后影响,因此测度结果更加合理;随着我国银行业开放程度的不断扩大,2017年我国内地44家中外资商业银行的整体经营效率与2013年相比略有降低,其主要是资产盈利阶段的效率有所下降导致的,这与近年来我国经济大环境面临下行压力而导致银行业不良贷款率上升有关;中资银行吸收存款能力和资产配置能力相对更强,导致中资银行经营无效率的内部原因主要是资产盈利能力不足,而外资银行资产盈利能力相对更强,导致外资银行经营无效率的内部原因主要是是吸收存款能力和资产配置能力不足。

融合经验反思机制的教与学优化算法

针对传统教与学算法存在易陷入局部最优、收敛速度慢和求解精度低等问题,提出一种融合经验反思机制的教与学优化算法(empirical reflection teaching learning based optimization,ERTLBO)。首先在教学阶段引入经验反思机制,遴选精英个体引导普通个体向教师靠近,提高班级整体水平,从而提高算法全局探索能力。其次在学习阶段引入动态自适应权重,能够根据学生的适应度值对位置进行自适应扰动,进而实现个体位置的动态更新,提高算法跳出局部最优的能力。仿真实验选取23个基准测试函数对ERTLBO同其他变体和流行算法进行性能测试。实验结果表明,ERTLBO算法具有更好的寻优性能和求解稳定性。最后,通过2个工程设计问题进一步验证ERTLBO解决实际问题的有效性和优越性。

健康婴幼儿早期教育的效果及影响因素

目的 :探讨健康足月婴幼儿早期教育 (简称早教 )的效果及其影响因素 ,为开展健康足月婴幼儿早教工作提供理论和实践依据。方法 :以自愿来早教中心进行早教的健康足月婴幼儿 5 2名为实验组。另选择与其基本条件相同的婴幼儿 5 2名为对照组。实验组除进行早教的各项培训工作外 ,还于培训前和培训 3、 6、 9个月后各测评发育商 (DQ) 1次 ,以评定早教的效果。对照组无早教 ,于入组时和 9个月后各测评DQ 1次。结果 :①实验组经培训 9个月后 ,其DQ平均值提高 2 1 9± 13 6分 ,高于对照组观察 9个月后DQ平均值提高分 3 0± 3 0 ,差异有统计学意义 (t =9 75 7,P <0 0 0 1)。②实验组培训前DQ值有 2 3例低于中等水平 ;培训后有 2 7例高于中等水平 ,其中 8例DQ≥ 13 0。③多元逐步回归分析结果表明 ,影响DQ增加的主要因素是完成家庭训练作业的程度 (R2 =0 5 7) ,其次是到早教中心训练的次数 (R2 =0 0 19) ,再次是性别 (R2 =0 0 16)。结论 :早教对健康足月婴幼儿的大脑发育、智能发展、运动发育具有显著效果 ,是提高婴幼儿DQ的有效措施。

标准外伤大骨瓣减压术对外伤性多发性颅内血肿患者术后意识障碍恢复的影响

目的:观察标准外伤大骨瓣减压术(STC)后患者意识障碍恢复情况,探讨其在外伤性多发性颅内血肿(TMIH)治疗中的价值。方法:收集2014年手术治疗的TMIH患者57例,其中行STC患者39例,行常规开颅手术18例,排除1个月内死亡、失联和占位病变等患者,分别随机选取STC组10例和对照组(常规开颅组)10例。通过重复测量方差分析以及Wilcoxon秩和检验对术前和术后24h、1周及1个月格拉斯哥昏迷量表(GCS)评分进行统计学分析。结果:综合术后时间因素及术式因素进行分析,术后不同时间点GCS评分比较差异均有统计学意义(P<0.05),随术后时间延长,GCS评分呈逐步升高趋势。不同术式间GCS评分比较差异无统计学意义(P>0.05),不同术式对GCS评分整体恢复趋势相同,但在不同时间点GCS评分因术式不同存在差异。通过Wilcoxon秩和检验分析GCS评分变化率,与对照组比较,术后24h和术后1周时STC组GCS评分变化率明显升高(P<0.01),而术后1个月时GCS评分变化率差异无统计学意义(P>0.05)。结论:与常规开颅手术比较,STC对术后7d内TMIH患者意识障碍的恢复作用明显,而对术后1个月患者意识障碍的恢复无明显改善作用。

不同实验教学模式满意度分析中统计方法的选择及在SPSS19.0软件上的实现

教学效果评价是高校保障教学质量的重要手段。针对不同实验教学模式的典型案例,对教学效果评价中常用的四格表卡方检验、分层卡方检验、秩和检验、Ridit分析、二分类Logistic回归和有序多分类Logistic回归进行详解和对比,并利用SPSS软件进行操作,以期为实验教学效果评价提供实践参考。

非参数检验方法概述

有些资料不是正态分布,或者分布情况未知,不能用有效的参数进行描述,此时需采用非参数法对总体的分布或分布位置进行检验。其优点是不考虑总体分布,适应性强,稳定性好,在临床研究中使用较多;缺点是损失了部分信息,检验效率较低,对于适合参数检验的资料,建议首选参数检验。本文对非参数检验进行讲解,以帮助临床医生掌握基本概念和方法。