LOCAL INFLUENCE ASSESSMENT IN A MULTIVARIATE t-MODEL WITH RAO'S SIMPLE STRUCTURE

The local influence analysis is an important problem in statistical inference and some models have been discussed in many literatures This paper deals with the problem of assessing local influences in a multivariate t-model with Rao's simple struc-ture(RSS). Based on Cook's likelihood displacement, the effects of some minor perturbation on the statistical inference is assessed. As an application, a common covariance-weighted perturbation is thoroughly discussed.

概率融合的抗侧翻智能主动悬架控制研究

为了提升高质心车辆的侧倾稳定性和平顺性,降低车辆侧翻事故造成的伤亡率,提出一种基于概率融合隶属度函数构建理论的侧翻工况预测和控制方法。首先,通过采集车辆侧翻工况数据,选取车辆状态变量,基于影响权重确定与车辆侧翻相关的关键影响因子。其次,根据时间序列对数据进行时间片段划分,设计动态贝叶斯预测网络,对下一时间片段内车辆侧翻概率进行预测。最后,根据车辆性能参数与控制器参数的映射规则,建立概率融合的Takagi-Sugeno(T-S)模糊隶属度函数,设计车辆主动悬架抗侧翻鲁棒控制器。CARSIM/Simulink联合仿真结果表明,与被动悬架、半主动悬架、多目标控制主动悬架相比,所提方法可以平稳且高效地防止车辆侧翻,提升车辆行驶的安全性。

基于信令数据的城市群空铁联程客流识别及预测框架

针对城市群空铁联程客流需求获取困难、客流规律难以把握的问题,提出一套集成空铁联程客流识别及预测模块的综合分析框架.首先,考虑交通枢纽的空间范围及旅客出行的时空特征,提出一种基于信令数据的空铁联程客流识别方法,并挖掘其时空分布规律.然后,在双向门控循环神经网络模型(Bidirectional Gated Recurrent Unit,BiGRU)的基础上,引入时间周期编码,构建具有时间周期性的双向门控循环神经网络模型(Temporal-Bidirectional Gated Recurrent Unit,T-BiGRU)对空铁联程客流进行预测.最后,以京津冀城市群为实例,对研究框架进行验证.研究结果表明:京津冀城市群空铁联程客流呈现出明显的聚集分布特征,其中北京南站—天津站—天津滨海机场和北京西站—正定机场站—石家庄正定机场两个场景的联程客流占比最高,超过联程客流总量的65%;T-BiGRU模型可以对联程客流的需求进行精准预测,对两个主要场景的双向联程客流的预测精度均超过了89%,优于多个基线模型.研究结果可为城市群空铁协同发展及空铁联程服务优化提供参考.

房地产股价波动对高技术板块的溢出效应研究——基于DGC-t-MSV模型

过度的金融资产投资可能导致房地产股价泡沫,并且通过风险溢出渠道给高技术板块带来价格冲击。研究聚焦于房地产行业和高技术产业的股票价格指数,结合MODWT分解和DGC-t-MSV模型进行实证分析,结果表明:其一,“房地产-高技术”的股票价格动态相关,房地产行业价格波动的传导作用更加强烈,对高技术板块具有明显的溢出效应;其二,实施限制性政策后房地产行业的挤出效应降低,高技术及其分类产业的创新投入受到的限制逐渐减弱;其三,短、中期频繁交易是导致房地产溢价的主要原因,需要警惕高技术板块面临的溢出风险。积极引导高技术板块的价值投资,合理配置技术要素,能够有效促进高技术产业的高质量、高水平发展。

光热-跨临界压缩二氧化碳储能循环动态特性研究

为了改善新能源发电波动对电网的影响,提出了一种光热-跨临界压缩二氧化碳储能(transcritical compressed carbon dioxide energy storage,TC-CCES)循环集成热力系统,采用模块化机理建模方法,基于能质平衡关系分别建立TC-CCES系统与光热系统的动态数学模型,获取TC-CCES系统在储释能阶段关键参数的动态响应曲线。研究结果表明,系统的储能密度达到28.43 kW/m3,储能效率与循环效率分别为58.01%和60.85%,动态数学模型的最大误差均小于5%。此外,太阳直射辐射变化促使系统热源温度变化,而系统负荷对热源温度变化非常敏感,热源温度升高2.29%,换热器负荷升高3.36%,而且在某地区四季典型日冬季比秋季机组负荷低了23.9%。提出的动态数学模型可用于分析太阳能发电的动态特性,可为控制系统的设计提供理论参考。

基于T态模型的课程考核方案改进与实践

课程考核方案的T态模型从两个维度提升考核设计:横向的要素设计维度,即学习者知识、能力及素质在考核中均有衡量;纵向思考深度,逻辑的价值递进性。管理沟通课程考核方案的改进以T态模型为框架,旨在提升课程的“高阶性”与“挑战度”。通过建立“目标导向”试题库,构建网络教学资源库、建立阶段性考核方案、构建线上线下结合的立体考核模式来进行考核的改进。具体实施的过程中,课前布置、课中投票问答、课后测验和期末测试均围绕增强应用性、灵活性的原则,构建丰富性、反思性强的考核体系。实施效果表明新的考核方案能够提高学习者参与度和学习积极性,有助于培养学习者终身学习的习惯、提升团队协作与解决复杂问题的能力,形成了横纵交织的课程考核结构,横联纵进效应的高品质、目标导向的整体考核。

基于量子衍生涡流算法和T⁃S模糊推理模型的储层岩性识别

鉴于梯度下降法易陷入局部极值、普通群智能优化算法易早熟收敛,提出一种基于量子衍生涡流算法(Quantum Vortex Search Algorithm,QVSA)和T⁃S模糊推理模型的岩性识别方法,QVSA具有操作简单、收敛速度快、寻优能力强等优点,有助于T⁃S模糊推理模型获得最优参数配置,从而实现储层岩性的准确识别。首先利用具有全局搜索能力的QVSA优化T⁃S模糊推理模型的各种参数;然后利用主成分分析方法降低获取的地震属性维度;再利用优化的T⁃S模糊推理模型识别储层岩性。实验结果表明,利用反映储层特征的8个地震属性识别储层岩性时,所提方法的识别正确率达到92%,比普通BP网络方法高5.1%,同时查准率、查全率、F1分数等指标也较BP网络方法提升明显。

基于改进MobileNet V3的矿物智能识别模型

针对当前矿物识别领域存在的精度不佳、适应性差、携带不便等问题,提出了一种基于改进MobileNet V3的矿物智能识别模型(CA-MobileNet V3)。为获得研究所需的有效数据集,通过由mindat. org网站和自行拍摄方式获取的矿物图像创建了一个包含19种矿物的数据集,对其进行数据增强处理,并按照8:1:1的比例划分为训练集、验证集和测试集。为提升模型对图像信息的特征提取能力,引入协调注意力机制,用以替代轻量型MobileNet V3模型的原始SE注意力机制,以提高矿物识别准确率。最后,采用迁移学习方法预训练CA-MobileNet V3模型,以加速模型收敛、提高泛化能力、避免过拟合。在训练过程中,将CA-MobileNet V3与mobilenet v3、MobileNet V3、ShuffleNet V2、Efficient Net V2等模型进行了性能比较。结果表明:各迁移模型均展现出显著的收敛速度优势,而CA-MobileNet V3矿物智能识别模型的Top1-准确率、Top2-准确率、f_1-score值分别达到93.90%、98.58%和93.89%,在所有模型中效果最佳,且模型大小仅为4.61 MB,属于轻量化模型。为验证模型有效性,t-SNE可视化分析被用于不同模型的识别效果比较,进一步印证了CA-MobileNet V3模型的优越性。

基于InVEST模型的大兴安岭天保工程区碳储量时空变化研究

为给大兴安岭天保工程区生态系统保护和土地利用规划提供科学依据,以大兴安岭天保工程区为研究区,基于研究区2000—2020年土地利用数据和各地类碳密度数据,运用InVEST模型碳储量模块对大兴安岭天保工程区2000—2020年生态系统的碳储量进行估算,并通过土地利用转移矩阵分析土地利用类型之间的相互转化对碳储量的影响。结果显示:(1)研究区2000、2005、2010、2015、2020年碳储量分别为569.87×10^(7)、573.22×10^(7)、573.69×10^(7)、572.42×10^(7)、573.14×10^(7) t,呈增加趋势,累计增加3.27×10^(7) t;(2)碳储量较高的地区主要分布在北部和中部,较低的区域主要分布西部、南部、东南角和东部小区域;(3)林地是研究区最重要的碳库,其碳储量占研究区固碳总量的93.31%,林地和耕地面积的增加是大兴安岭天保工程区碳储量增加的主要原因。研究结果表明:天保工程促使大兴安岭林地面积保持稳定并且呈现出一定增长趋势,提高了大兴安岭的整体固碳能力。在未来,大兴安岭应当继续实施和巩固天然林保护工程,继续坚持退耕还林还草政策,通过合理的行政规划,调控草地和耕地向建设性用地转换;此外,通过人工种植、草畜平衡的政策,围栏封育和优化种苗的方式来缓解草地退化,修复草地生态系统;而耕地则通过间作套作、改良品种、合理使用肥料等方法提高产量。

S-T-S混合式循环互助教学模式用于少学时“化工原理”课程

“化工原理”课程是化工及相关专业的专业基础课程,相关专业的学时少,课程难,需重点解决的问题是“三多”“三不愿”“三不明”。针对痛点问题,提出了线上线下混合式循环互助的创新设计思路,包括:教师帮助学生自制课前、课中、课后习题,学生帮助教师反馈真实学习情况,学生帮助学生组团互助学习。问卷调查和评教结果显示,在一定程度上解决了“三多”“三不愿”的问题;通过建立“助教团队”反馈不同层次学生的学习情况,较好地解决了“三不明”的问题。学生的成绩与教改前相比有明显提高。

多重标志物联合检测模型在诊断4a型急性心肌梗死中的应用

目的与单一标志物高敏肌钙蛋白T(cTnT)进行对比,初步探索多重心肌标志物[和肽素(copeptin)、cTnT和心脏型脂肪酸结合蛋白(HFABP)]联合检测模型在诊断4a型急性心肌梗死(AMI)中的应用价值。方法纳入2022年3月至12月期间在南京医科大学第一附属医院接受择期经皮冠状动脉介入治疗(PCI)且术后cTnT升高超过正常参考值上限(URL)第99百分位数的非AMI患者。根据《第四版心肌梗死通用定义》,按照术后是否出现4a型AMI将患者分为非4a型AMI组和4a型AMI组。采用化学发光免疫金纳米组装体免疫传感阵列(ciGold)测定AMI生物标志物浓度。通过受试者工作特征(ROC)曲线分析单一标志物和多重联合心肌标志物诊断模型的诊断性能,从ROC曲线获得敏感性和特异性,计算ROC曲线下面积(AUCROC)评估各自诊断价值。使用Kappa分析评估多重标志物联合检测模型与《第四版心肌梗死通用定义》诊断的一致性。结果共纳入65例患者,女性占23.1%。ROC曲线分析显示,多重联合心肌标志物诊断模型的特异性为96.5%,敏感性为92.3%,符合率为94.6%,阳性预测值为92.3%,阴性预测值为96.2%,AUCROC为0.979。cTnT模型的特异性为94.2%,敏感性为100%,符合率为95.7%,阳性预测值为100%,阴性预测值为94.9%,AUCROC为0.987。虽然多重标志物联合检测模型诊断敏感性较低(P=0.011),但具有更高的特异性(P=0.016)。两种诊断模型准确性的AUCROC差异性分析提示P>0.05,诊断准确性无明显统计学差异。Kappa分析结果表明,多重联合心肌标志物检测模型与《第四版心肌梗死通用定义》诊断4a型AMI具有高度一致性,Cohen′s Kappa系数为0.818。结论多重标志物联合检测模型与cTnT在诊断4a型AMI方面性能相近,诊断一致性高,但联合检测模型具有更高的特异性优势。

我国科技评价政策主题的演化趋势

旨在分析我国科技评价政策主题演化趋势,以进一步优化我国科技评价体系。此次共纳入114篇政策文件,将时间跨度划分为4个阶段,运用动态主题模型(DTM)挖掘政策主题的分布特征,引入Hellinger距离分析主题演化趋势。研究结果表明:科技评价政策主题聚焦在9个方面,随着科技评价制度的完善,科技评价政策主题更加多元化;科技监督与治理、人才评价和科技绩效评价的主题强度呈现明显上升趋势;政策主题的演化方向和时代背景密切相关,呈现强延续性、强衍生性的特点,且上述主题强度上升的领域有望成为未来科技评价工作的重点。

尖牙反[牙合]矫治人字形和T形曲组合正畸弓丝矫治力建模

固定矫治技术是治疗牙齿反[牙合]最为有效的矫治手段,主要通过正畸弓丝释放的矫治力来达到反[牙合]矫治中的矫治空间预留、反[牙合]牙齿回收的目的。在牙齿反[牙合]畸形中,尖牙反[牙合]是最为常见的牙齿反[牙合]畸形,常使用人字形和T形组合曲关闭上颌牙列间隙。本文旨在正畸治疗前量化人字形和T形组合曲释放矫治力的情况,为正畸医师提供尖牙反[牙合]矫治的理论参考。分析人字形和T形组合曲的形变过程,将其形变过程分为弹性形变和弹塑性形变两类,并对两种形变下的矫治力微分方程进行了构建,将其释放的矫治力分为闭隙矫治力和倾覆矫治力两种,完成了人字形和T形组合曲理论模型的建立,其次对有限元仿真值与理论值的误差率进行计算,得到闭隙矫治力仿真值与理论值的误差率在0.43%~8.33%之间,倾覆矫治力的仿真值与理论值的误差率在2.13%~9.76%之间,搭建实验测量平台得到了闭隙矫治力实验值与理论值误差率为0%~9.30%、倾覆矫治力实验值与理论值的误差率为0%~9.76%,实验测量数据与理论值具有相同的非线性变化趋势,验证了人字形和T形组合曲理论预测模型的正确性,该模型能帮助医师在治疗前对正畸力进行详细的定量分析,从而为个性化治疗方案的制定提供依据,更好地满足患者需求。

海洋石油工程固定式导管架平台T/K/Y节点马鞍口建模

海洋石油工程固定式导管架是海上油气资源开采的重要设施,是由钢管相贯焊接形成的空间桁架结构。导管架的主要焊接结构是T/K/Y节点,T/K/Y节点中存在大量的马鞍口结构。目前,对马鞍口的加工及焊接主要以二维图样贴片为主,尚无软件可实现管节点马鞍口的参数化三维建模。在分析马鞍口相贯线机理的基础上,建立马鞍口相贯线的数学模型,并基于此利用Unity3D编写了绘制马鞍口相贯线的通用软件,实现了马鞍口的参数化三维建模,有效解决了实际生产中T/K/Y节点马鞍口难以建模的问题,为管节点马鞍口的加工及智能焊接提供精确的模型。

市域视角下安徽省科技成果转化效率评价

科学分析评价科技成果转化效率不仅能够体现该地区科研创新水平,也可以反映自身的未来发展潜力,有助于带动区域经济的发展。该研究选取安徽省16个地级市2014—2019年的数据,基于数据包络分析法(DEA),对市域范围科技成果转化绩效进行测量分析。研究发现,安徽省科技成果转化整体上效率偏低,而从市域层面上看,科技成果转化效率并不均衡。

基于Bouc-Wen模型的非线性实时混合模拟稳定性分析

实时混合模拟(real-time hybrid simulation,RTHS)中不可避免的作动器响应延迟会影响试验系统稳定性。为研究同时含非线性构件和作动器时滞的复杂试验系统稳定性,文章采用分段线性方法将非线性模型近似简化为多个线性状态的叠加,基于T-S模糊模型理论建立试验系统运动方程,通过Lyapunov稳定理论分析其近似稳定性,获得线性矩阵不等式(linear matrix inequality,LMI)形式的稳定性判据。数值分析和试验结果验证在外荷载输入下,简化模型高度近似于原模型,表明该近似方法具有良好的计算精度。对于具有刚度软化特性的Bouc-Wen模型,最大刚度决定试验系统稳定性。当试验系统时滞小于临界时滞,处于渐近稳定状态时,结构的动力响应逐步收敛;而当试验系统时滞大于临界时滞处于失稳状态时,系统仍能通过材料屈服耗能保持能量平衡。而在线性系统中,能量则不断积累,导致试验系统响应无限增加,是线性与非线性试验系统的最大差异。

执行器部分失效的鲁棒模糊容错切换控制

针对一类具有不确定性、外部扰动和执行器部分失效的非线性工业过程,提出一种鲁棒模糊容错切换控制方法。首先,构建新型多自由度T-S模糊状态空间模型,在此基础上,结合执行器部分失效的情况设计控制律。其次,给出基于线性矩阵不等式(LMI)的容错切换条件和系统稳定条件,并通过当前系统状态和稳定性条件求取其子模型的控制律及相应权值。最后,通过对连续搅拌釜式反应器的仿真研究来验证该文方法的有效性。

构建胃癌中CD8^(+)T细胞相关预后模型并筛选治疗药物

目的:胃癌是高度异质性的恶性肿瘤,其病死率高,患者就诊时多已处于晚期且预后差。CD8^(+)T细胞可识别和消灭肿瘤细胞,对癌症的进展有重要影响。本研究旨在构建CD8^(+)T细胞浸润相关预后模型,为胃癌患者预后评估提供新的生物标志物及其药物治疗提供客观依据。方法:从癌症基因组图谱(The Cancer Genome Atlas,TCGA)数据库中下载371例胃癌样本的数据为训练集。从基因表达综合(Gene Expression Omnibus,GEO)数据库中下载433例胃癌样本的数据为测试集。计算训练集胃癌样本中CD8^(+)T细胞相对含量,将样本分为CD8^(+)T细胞高含量组和CD8^(+)T细胞低含量组,采用Kaplan-Meier法分析和比较2组之间的生存关系;采用加权基因共表达网络(weighted gene co-expression network analysis,WGCNA)分析训练集数据,筛选出与CD8^(+)T细胞最具相关性的基因模块;对该模块基因进行单因素Cox回归分析、最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)回归分析及多因素Cox回归分析筛选出与预后相关的基因,构建预后风险评分模型。应用模型计算训练集和测试集患者的风险评分并分别将患者分为高风险组和低风险组,并对模型进行内部及外部测试。应用肿瘤免疫单细胞枢纽2(tumor immune single-cell hub 2,TISCH2)数据库及人类蛋白质图谱(The Human Protein Atlas,HPA)数据库对模型基因进行验证。结合模型进行临床病理特征分析、功能富集分析、免疫相关性分析及化学治疗药物敏感性分析。结果:生存分析显示CD8^(+)T细胞低含量组的预后更差。WGCNA分析筛选出与CD8^(+)T细胞最具相关性的基因模块为Ebisque4。单因素Cox回归分析、LASSO逻辑回归分析及多因素Cox回归分析最终筛选出9个独立预后基因并构建预后风险评分模型。模型内部及外部测试结果均表明该模型具有较强的预测能力。TISCH2数据库验证表明模型基因在肿瘤微环境中具有不同的表达模式;HPA数据库验证表明模型基因的表达情况与预后模型较一致。临床病理特征分析表明风险评分与组织浸润深度相关;功能富集分析表明高风险组富集于分子间相互作用的通路,而低风险组则富集于代谢相关通路;免疫相关性分析表明高、低风险组之间的多个免疫细胞、免疫功能和免疫检查点均有差异;化学治疗药物敏感性分析表明高风险组对帕唑帕尼的敏感性更高,低风险组对西妥昔单抗的敏感性更高。结论:肿瘤微环境中的CD8^(+)T细胞浸润对胃癌患者的预后有显著的影响。基于CD8^(+)T细胞相关基因构建的预后模型具有普适性和临床适用性,对胃癌患者的药物治疗有重要的提示作用。

基于麻雀搜索算法与随机森林融合模型的个人信用评估

针对如何准确评估复杂的用户信用问题,提出一种基于麻雀搜索算法的随机森林(SSA-RF)模型,利用SSA优化RF模型中决策树和最小节点数,并基于优化后的RF模型对数据样本进行分类,并评估所提模型和传统模型的性能.研究结果表明:SSA-RF模型具备较高的准确性.

气象数据驱动的拉林铁路简支T梁温致变形预测

为快速、准确预测日照环境下高原铁路桥梁的温度变形效应,基于长短期记忆神经网络(LSTM)提出了一种气象数据驱动的桥梁温度变形智能预测模型。以拉林铁路简支T梁为背景,采用热力耦合有限元仿真分析,构建了“气象数据—温度变形”映射的样本数据库,以此训练预测模型并对桥梁温致变形进行预测。结果表明,LSTM模型表现出了较高的精度和优势,其梁体竖向挠度预测的决定系数(R2)超过0.97,平均绝对误差(MAE)和均方根误差(RMSE)较反向传播神经网络(BP)模型提升超过70%,较随机森林(RF)模型分别提升了24%和27%。预测挠度与真实值在趋势和数值方面均基本一致,表明所提出的预测方法性能优异,为高原铁路轨道平顺性变化规律研究及动态检测数据评价提供参考。