基于量子粒子群神经网络的太阳黑子数预测

为了提高太阳黑子数的预测精度，论文提出了一种基于量子粒子群神经网络预测太阳黑子数的模型（QPSO-BP 网络）。首先基于前18个太阳周（1755～1953）的年均值，利用量子粒子群算法优化 BP 神经网络的权值和阀值，完成网络训练训；然后对第19太阳周（1954～2013）年均值进行预测，检验模型的预测能力。与普通 BP 神经网络预测的对比结果表明，该模型在逼近能力和预测精度两方面均有明显提高，从而表明基于量子粒子群优化的训练方法对于提高神经网络预测能力具有一定潜力。

15D505《古建筑防雷设计与安装》图集介绍

通过简要介绍15D505《古建筑防雷设计与安装》图集的主要内容,说明在实际工程中如何利用图集进行古建筑工程设计和施工。

出血性脑卒中发病的日节律及SARIMA模型的定量预测

目的了解出血性脑卒中（HS）发病的日分布规律，构建时序预测模型，为HS的一级预防提供参考。方法人选3个研究单位2017年6月1至30日诊治的895例HS患者，统计昼夜发病的时间点，应用季节乘积模型（SARIMA）建模。结果各时段的发病例数不等或不全等，P〈0．05，北京时间8：00-11：00时段发病243例（占27．15％），18：00-21：00时段发病297例（占33．18％）。通过识别与检验，逐一尝试法建立了SARIMA（1，0，1）×（1，1，1）。模型，该模型较准确地预测了历史数据。结论北京时间8：00—11：00时和18：00一21：00时为HS的高发时段，SARIMA（1，0，1）×（1，1，1）24模型为HS发病日分布趋势提供了较好的预测，可作为HS防治措施的重要参考依据。

基于闪电监测定位系统的贵州建筑物防雷分类计算及应用

通过ADTD闪电监测定位系统,计算得到贵州省雷击大地的年平均密度N_(g),与传统采用雷暴日T_(d)估算N_(g)的方法相比,实测N_(g)更能准确反映项目所在地引雷的概率及强度,更能适应社会现代化发展的精细化需求。以贵阳市10个典型的建筑物为例,对比实测N_(g)与估算N_(g)计算的建筑物年预计雷击次数N,结果表明:采用实测N_(g)计算,N值均有不同程度的下降,可能需要重新评估建筑物防雷分类;更准确的N也有利于指导建设项目更安全、经济、合理地进行防雷设防,对项目前期的选址也有一定的指导意义。

卢氏雷暴特征及建筑物综合防雷

通过分析本地雷电资料,找出其规律性,得出本地不同环境的建筑物及架空线路的年均预计雷击次数,为设计更完善的防雷方案,有效地预防雷电灾害提供依据。