基于MISSA-CNN-BiLSTM模型的尾矿坝位移预测

为应对尾矿坝位移预测所面临的复杂情况和精度要求,提出一种基于多算法耦合的尾矿坝位移动态预测模型。首先,基于时间序列分解模型将累计位移分为趋势项和周期项,利用高斯回归时间序列预测模型预测趋势项位移;然后,运用不同Copula函数研究诱发因素与周期项位移的整体相关性,鉴于周期项位移影响因素多样性与强非线性的特点,采用多策略融合的改进麻雀搜索算法改进麻雀搜索算法(MISSA)-卷积神经网络(CNN)-双向长短期记忆(BiLSTM)模型预测周期项位移;最后,将高斯回归趋势项位移预测值和MISSA-CNN-BiLSTM周期项位移预测值叠加。结果表明:尾矿坝累积位移预测值与实测值基本一致,预测结果相关性系数R为0.996,均方根误差(RMSE)为0.13 mm,建立的MISSA-CNN-BiLSTM多算法耦合模型预测精度较高,且能较好地预测尾矿坝位移的阶跃型变化。

基于SBO-LSTM的大坝变形预测模型

变形是大坝安全性态的综合反映,建立其与环境量的可靠关系模型对保障大坝长效服役具有重要意义。为提高大坝变形预测的精度和泛化能力,并解决长短期记忆神经网络(LSTM)参数选取随机性大、选取困难的问题,提出了一种利用缎蓝园丁鸟优化算法(SBO)来优化长短期记忆神经网络的混凝土坝变形预测模型(SBO-LSTM)。该方法首先通过高斯滤波和Symlet小波滤值两种方法对选定的监测数据进行统一的清洗、归一化、去噪等预处理;其次,借助SBO算法对长短期记忆神经网络模型的超参数进行寻优;最后对混凝土坝变形进行高精度预测并通过三种不同评价指标(MAE,RMSE,MAPE)对预测结果进行评价。以某混凝土坝为例并与传统优化算法对比分析,结果表明通过SBO算法优化后LSTM神经网络具有更高的预测精度和稳定性,综上,该预测模型为大坝变形监测数据分析与预测提供了一种新的可行方法。

Long term survival improved by optimization of immunosuppression strategy in renal transplant recepients:a single center experience

Objective To investigate influence of immunosuppression strategy optimization on outcomes of renal transplant recipients in the last decades. Methods Data from 404 renal transplant recipients from Jan. 1st,2001 to Dec. 31st,2010 were analyzed retrospectively. The pa-

Long-term Prognosis of Patients with Acute non-ST-segment Elevation Myocardial Infarction undergoing Different Treatment Strategies

Background： In cardiology, it is controversial whether different therapy strategies influence prognosis after acute coronary syndrome. We examined and compared the long-term outcomes of invasive and conservative strategies in patients with non-ST-segment elevation myocardial infarction （NSTEMI） and characterized the patients selected for an invasive approach. Methods： A total of 976 patients with acute NSTEMI were collected from December 2006 to October 2012 in the First Affiliated Hospital of Dalian Medical University Hospital. They are divided into conservative strategy （586 patients） and invasive strategy （390 patients） group. Unified tbllow-up questionnaire was performed by telephone contact （cut-off date was November, 2013）. The long-term clinical events were analyzed and related to the different treatment strategies. Results： The median follow-up time was 29 months. Mortality was 28.7% （n = 168） in the conservative group and 2.1% （n = 8） in the invasive management at long-term clinical follow-up. The secondary endpoint （the composite endpoint） was 59.0% （n = 346） in the conservative group and 30.3% （n = 118） in the invasive management. Multivariate analysis showed that patients in the conservative group had higher all-cause mortality rates than those who had the invasive management （adjusted risk ratio [RR] = 7.795; 95% confidence interval [CI]： 3.796 16.006, P 〈 0.001）, and the similar result was also seen in tile secondary endpoint （adjusted RR ： 2.102; 95% （7： 1.694-2.610, P 〈 0.001 ）. In the subgroup analysis according to each Thrombolysis in Myocardial Infarction risk score （TRS）, log-rank analysis showed lower mortality and secondary endpoint rates in the invasive group with the intermediate and high-risk patients （TRS 3-7）. Conclusions： An invasive strategy could improve long-term outcomes for NSTEMI patients, especially for intermediate and high-risk ones （TRS 3- 7）.

Budd-Chiari综合征患者介入开通术后再狭窄处理和远期随访结果

目的探讨Budd-Chiari综合征患者介入开通术后再狭窄的治疗策略,评价远期随访结果。方法回顾性分析1983年11月至2013年12月60例原发性Budd-Chiari综合征介入开通术后出现再狭窄患者临床资料和随访结果。结果60例再狭窄患者根据初始开通术式分为单纯PTA治疗组(40例,其中混合型27例,下腔静脉型5例,肝静脉型8例)、PTA+支架植入组(20例,其中混合型13例,下腔静脉型6例,肝静脉型1例)。单纯PTA治疗组出院1年内、5年内、10年内发生再狭窄分别为15例(37.5%)、34例(85%)、38例(95%),PTA+支架植入组出院1年内、5年内、10年内发生再狭窄分别为10例(50%)、18例(90%)、19例(95%)。单纯PTA治疗组中13例拒绝治疗,27例接受进一步治疗,其中5例随访中出现第2次再狭窄,2例第3次再狭窄,1例第4次再狭窄;PTA+支架植入组中9例拒绝治疗,10例仅接受单纯PTA,另1例接受PTA+支架植入,5例随访中发生第2次再狭窄,3例第3次再狭窄,1例第4次再狭窄。38例再狭窄后接受进一步治疗患者1年、5年、10年、20年、25年累积生存率分别为分别为100%、78.3%、78.3%、70.5%、70.5%,22例拒绝进一步治疗患者分别为72.7%、45.9%、30.6%、10.2%、NA(未获得),两部分患者间差异有显著统计学意义(P<0.001)。结论Budd-Chiari综合征患者介入开通术后远期随访非常重要。积极治疗再狭窄可改善患者预后。根据疗效逐步升级侵入性治疗策略,取得了满意的结果。

基于Bi-LSTM循环神经网络的风储系统控制策略

“双碳”背景下风电的渗透率不断提高,将对电力系统的形态和运行机制产生深刻影响。本文提出了一种基于双向长短期记忆Bi-LSTM(bidirectional long short-term memory)循环神经网络的风储系统控制策略。采用双向长短时循环神经网络提取控制结果与风电场实际出力以及储能状态间的时序信息,通过构建基于双向长短时记忆循环神经网络的控制模型,使得风电场在多种运行工况下能够快速、准确地得到储能系统调节结果。基于实际风电场数据仿真结果表明,本文所提控制策略能够保证在一定经济效益的前提下,将风储系统控制误差保持在0.50%~1.37%。

“十四五”及2021-2035年中长期科技发展规划阶段我国科技战略决策视角的研究

在我国科技实力与美国差距甚远阶段,我国科技战略决策的要旨在于追赶,本文界定下的“中美研究视角”已足以发挥所需的追赶功能。但在中美科技竞争日趋激烈阶段,我国科技战略决策的要旨已发生根本性转变,不仅在于短期内的兼顾追赶与引领,更在于中长期内的突破追赶、实现引领。研究人员需要提前谋划、寻找新的研究视角,来帮助决策者冲破长期“追赶型”思维模式下形成的惯性,并进而为我国科技战略决策成功转型,为“引领型”思维模式打下能力基础。本文为处理我国科技战略决策主题补充了认识论视角,指出过往主流研究视角已不能充分回答“‘从0到1’式科技战略决策何以可能”这一中心问题,寻找新的研究视角已成为“十四五”及2021—2035年中长期我国科技战略决策支撑中的当务之急,期许引起科技政策研究界对这一重要课题的深入探究。

基于多源数据分析的存量住房发展策略研究--以杭州市主城区为例

坚持房住不炒、租售并举是我国“十四五”以来的长期国策。在当前处于下行阶段的房地产行业背景下,推动长租房发展、盘活存量住房,在经济、社会和行业等各方面的意义尤其重大。首先基于对我国各地盘活存量住房资源、推进长租房的模式进行文献和资料梳理,提出倡导多元模式及其创新的建议,再以杭州市主城区为例,展开存量住房资源供需数据分析,针对性地提出相关政策策略和建议。最后,从城市规划、政策制定、监督管理等方面提出对我国城市盘活存量住房资源、发展长租房的意见和建议。综合使用案例分析、统计数据与大数据分析相结合的多源数据分析方法,为我国城市存量住房资源的有效盘活利用、房地产政策上的因城施策,以及城市规划策略的制定提供参考。

基于ICEEMDAN-SE-MSGJO-LSTM-EC的短期风电功率预测

为了提高风电功率短期预测精度,本文提出了一种基于ICEEMDAN-SE-MSGJO-LSTM-EC模型的短期风电功率预测模型。首先,通过ICEEMDAN对原始风功率信号进行分解并通过样本熵计算熵值相近的分量相加重构。其次,建立MSGJO-LSTM预测模型,通过改进金豺优化算法(MSGJO)优化LSTM网络参数,对各模态分量进行预测。最后,通过对各模态分量预测结果进行误差修正(EC)并将所有模态预测结果相加得到最终预测结果。以新疆某风电场为例,采用本文所提预测模型进行仿真分析,试验结果表明本文基于ICEEMDAN-SE-MSGJO-LSTM-EC的预测模型预测精度更高。

基于LSTM-GA混合模型的患者预约排队策略优化

在医疗运作管理领域,合理的资源分配能够帮助更多的患者尽早就医,降低患者病情恶化和死亡的风险。本文设计了预约排队策略对患者占有资源的顺序进行分配,建立了基于长短时记忆(Long Short Term-Memory,LSTM)神经网络和遗传算法(Genetic Algorithm,GA)的混合模型以优化排队策略。首先利用大数据和深度学习分析患者到达和医院服务情况,建立LSTM神经网络学习数据特征并预测未来数据,相比于排队论常用的随机分布方法取得了更好的效果.其次设计了基于排队系统仿真的排队策略优化算法,利用改进GA得到最优排队策略。实证研究表明,文本的方法可以明显降低患者的等待时间,最高可达59%。最后对排队策略进行敏感性分析,结果表明排队策略有效作用于仿真的各个时段。

网络背景下高职学生优良学风建设长效机制研究--以吉林工业职业技术学院为例

网络背景下,加强高职学生优良学风建设,可以起到增强学校办学综合实力、提升学生专业学习效果、促进学生更加健康全面发展等作用,然而从实际来看,高职学生优良学风建设还存在诸多不足,特别是在思想认识、良好教风、管理制度、专业教育、校园文化等方面。为此,要结合高职院校学风建设实际,采取积极有效措施构建优良学风建设长效机制,以促进高职学生更好学习和发展。根据对吉林工业职业技术学院学风现状调查,对高职院校学风建设存在问题进行细致分析,从提高思想认识、形成良好教风、健全管理制度、加强专业教育、构建校园文化等方面提出了高职学生优良学风长效机制建设策略。

基于CMAES-LSTM的便利店SKU日销量预测方法

准确预测便利店的商品销量是库存管理的重要依据,稳健的库存能够有效避免缺货和积压带来的经济损失。目前连锁便利店各门店的每日订货依靠店长的经验以及针对某些SKU(Stock Keeping Unit)的企业统一策略。通过构建门店-SKU粒度的日销量时间序列,并引入外部信息作为协变量输入LSTM网络,对每个模型通过CMAES独立调参后进行预测。实验结果表明,对某连锁便利店300家门店近2年的销售数据进行预测,该方法在准确性和稳定性较现有方法均取得了显著的提升。

基于NMWOA-LSTM的卷取温度预测模型

由于热连轧带钢卷取温度控制过程存在强非线性和时变性等因素影响,导致卷取温度控制精度和卷取命中率低。提出一种基于改进鲸鱼算法优化长短期记忆神经网络的方法,加入自适应参数优化和混合变异策略并融合小生境技术得到小生境技术混合变异策略的改进鲸鱼优化算法,建立改进鲸鱼算法优化LSTM的卷取温度预测模型,并与其他模型进行对比。仿真实验表明,在10个测试函数中,同其他先进算法相比,NMWOA算法具有更好的搜索能力和寻优精度;在卷取温度模型预测中,NMWOA-LSTM模型同其他4种模型相比,卷取温度高精度命中率达到97.50%,提高了卷取温度的预测精度。

电子游戏长期保存研究:全球实践态势与挑战应对

文章采用网络调查法、案例研究法和内容分析法解析代表性案例,梳理电子游戏长期保存的全球实践现状,分析挑战与策略。电子游戏长期保存行动包括:制定保存范围、选择保存对象、采取保存手段和提供利用服务等;面临的挑战包括:保存需求和保存现状的差距、保存目标和保存手段的矛盾、保存权利和保存意愿的冲突;应对策略包括:将电子游戏纳入数字文化遗产框架,推进协同治理共建电子游戏元宇宙,实施电子游戏长期保存国家行动。

多策略改进蜣螂优化算法及其在光伏发电功率预测中的应用

为了提高光伏发电功率预测的精确度,利用伯努利映射、鲸鱼优化算法的螺旋更新机制和最优个体自适应t分布3种策略改进标准蜣螂优化算法。通过在8种标准测试函数上进行验证,结果表明改进后的算法在收敛速度和寻优能力方面均有显著提升。进一步地,采用改进蜣螂优化算法优化长短期记忆网络模型(IDBO-LSTM)进行光伏发电功率预测,并与其他6种模型进行对比实验。预测结果表明,相较于其他模型,IDBO-LSTM在3种不同的天气类型下都展现出来更好的预测性能。与DBOLSTM模型相比,IDBO-LSTM的平均绝对误差率分别下降了0.08%、3.51%、4.02%。

护航战略目标落地:澳大利亚国家教育监测评估的经验与启示

开展针对国家中长期教育政策性宣言的教育监测评估是澳大利亚推进教育改革发展的有效经验,包括:以法律和政策坚实监测评估“合法性”基础,依据政策性宣言设计监测指标体系,打造支撑监测评估的多源异构数据基座,以“见林见树”的全面观呈现现状与发展趋势,强化监测评估服务行政决策和公共监督。澳大利亚的经验对我国开展国家教育监测评估有如下启示:一是政府委托专门机构对国家教育中长期战略落实进展监测评估,二是监测评估坚持纵向发展与横向国际比较相结合,三是强化监测评估服务政府决策和舆论引导效应,四是推动人工智能等新一代信息技术与教育监测评估深度融合。

基于Informer神经网络的锂离子电池容量退化轨迹预测

通过对锂离子电池容量退化轨迹的精确预测可以大幅提升电池材料的研究效率。针对Transformer网络在锂电池容量退化轨迹预测这种长时间序列预测任务中存在的问题,本工作采用滑动窗口策略,构建了一种基于Informer网络的锂离子电池容量退化轨迹预测方法。首先,利用滑动窗口对数据集进行划分和再拼接,便于神经网络挖掘数据序列内部的相关性;然后,根据Informer网络的周期性时间特征捕捉能力设计适用于锂电池数据的全局时间戳;最后,使用前10%容量数据通过多步滚动预测方法实现模型输出,缓解预测中的误差累积问题,进而得到完整的预测轨迹。通过选取不同的误差评价指标和训练过程中的时间开销,在美国马里兰大学提供的锂电池数据集上验证了所建立模型的准确性和训练效率,并在美国航空航天局提供的电池数据集上验证了模型的泛用性。本工作模型的预测结果与多层感知机神经网络、循环神经网络及Transformer网络模型对比,退化轨迹与真实轨迹最为拟合,且训练时间开销小,预测结果的平均绝对误差和均方根误差控制在2.57%和3.5%,验证了所提预测方法的有效性。

长寿期小型棒控压水堆控制棒方案研究

小型棒控压水堆舍弃了可溶硼,并高度依赖控制棒与可燃毒物棒控制堆芯的反应性。为研究控制棒对堆芯关键性能的影响,本文以核动力破冰船用KLT-40模型为对象,以轴向功率偏移、堆芯寿期、燃料利用率与径向功率峰因子为指标,开展长寿期小型棒控压水堆控制棒布置与动作策略设计分析。首先,基于OpenMC程序开发带棒燃耗程序;其次,比较堆芯带控制棒与无控制棒运行时的堆芯寿期等指标;最后,分析不同动作策略对轴向功率偏移等指标的影响。结果表明:控制棒将堆芯寿期从590 EFPDs(等效满功率天,Effective full power days)延长至650~698 EFPDs;低价值棒组优先动作策略使轴向功率偏移程度由−0.69与+0.80分别下降至−0.29与+0.52。因此,要准确计算长寿期压水堆寿期必须采用带控制棒燃耗计算策略,并且通过合理的动作策略能够有效减小控制棒带来的轴向功率偏移。

基于深度强化学习的自适应股票交易策略

股票交易策略的制定在金融市场投资中起着至关重要的作用。为帮助投资者在多变复杂的股票市场作出最优决策,降低制定投资策略的难度,基于LSTM-SAC模型构建自适应股票交易策略。首先,将堆叠式长短期记忆网络(Long short-term memory,LSTM)预测的股票收益率与股票历史数据相结合来表示市场状况;其次,根据观测的市场信息强化学习智能体,基于自动熵调节(Soft actor-critic,SAC)进行自我交易决策调整以适应市场变化;最后,以微分夏普比率作为智能体学习的目标函数以平衡利益和风险,同时优化交易频率以降低交易成本。研究结果表明:相较于其他股票交易策略,该策略在道琼斯30和上证50市场均具有较高的年化收益,验证了其在不同市场的有效性和稳定性。

考虑电力中长期及现货市场衔接的月内融合交易模式及统一限价研究

在电力市场“中长期+现货”背景下,针对电力中长期与现货衔接问题,探寻高比例新能源入市下月内融合交易市场边界,研究统一限价对社会福利与曲线分解的影响,分析月内融合交易模式对市场衔接的作用。首先,考虑市场中存在的问题,探讨可行的解决方式。其次基于市场预测,构建市场主体的报价与目标函数,结合不平衡电量,构建社会福利最大化市场出清模型,采用A-NSGA-Ⅲ算法进行求解,得到市场出清情况与对应的最优限价范围。最后通过算例验证了统一限价与细分时段的优势,给出了统一限价设定的市场化途径,同时保证了市场主体利益与市场活力,表明了统一限价模式下月内融合交易市场有利于市场主体灵活交易,促进了中长期与现货市场的衔接。