φ-mixing序列强大数律的一个结果

本文讨论了“φ-mixing序列的强大数律，给出了一个较为一般的结论，从而补充了陈希孺、吴月华关于这个问题的结果．

非同分布φ-mixing序列的完全收敛性

设为随机变量序列，文章在较弱的混合速度且非同分布的条件 下证明了其完全 收敛性的一个结果.

2021年老挝M_(S)6.0地震序列研究

云南地震活动与周边强震存在“构造相连,动力同源”的特征,研究周边强震的序列演化特征及发震构造,对云南地区地震研究具有重要意义。2021年12月24日老挝M_(S)6.0地震发生在滇西南地区的NW向整董断裂附近,震源机制解显示,此次地震是一次走滑型破裂事件,破裂方向与区域构造特征一致。老挝M_(S)6.0地震序列属于前震-主震-余震型序列,主震前震中附近出现3~4级地震非常活跃的现象,前震序列参数计算显示b值波动相对幅度较大,h值出现“上翘”形态,而余震序列b值和h值变化均相对平稳,主震的同震库伦应力结果表明老挝地震可能对云南地区有应力加载作用。

GraphMLP-Mixer:基于图-多层感知机架构的高效多行为序列推荐方法

在多行为序列推荐领域,图神经网络(GNNs)虽被广泛应用,但存在局限性,如对序列间协同信号建模不足和处理长距离依赖性等问题.针对这些问题,提出了一种新的解决框架GraphMLP-Mixer.该框架首先构造全局物品图来增强模型对序列间协同信号的建模,然后将感知机-混合器架构与图神经网络结合,得到图-感知机混合器模型对用户兴趣进行充分挖掘.GraphMLP-Mixer具有2个显著优势:一是能够有效捕捉用户行为的全局依赖性,同时减轻信息过压缩问题;二是其时间与空间效率显著提高,其复杂度与用户交互行为的数量成线性关系,优于现有基于GNN多行为序列推荐模型.在3个真实的公开数据集上进行实验,大量的实验结果验证了GraphMLP-Mixer在处理多行为序列推荐问题时的有效性和高效性.

碳青霉烯耐药铜绿假单胞菌的耐药特点和多位点序列分型

目的了解临床分离碳青霉烯(亚胺培南、美罗培南)耐药的铜绿假单胞菌(carbapenem resistant pseudomonas aeruginosa,CRPA)的耐药情况和遗传分型,为临床合理化用药和医院感染控制工作提供依据。方法收集2021年7月至2022年6月河南中医药大学第一附属医院临床分离的非重复碳青霉烯耐药的铜绿假单胞菌60株进行鉴定和药敏试验,分析临床分布和标本来源。随机选取其中35株CRPA,利用多位点序列分型(multilocus sequence typing,MLST)扩增铜绿假单胞菌的7个管家基因acsA、aroE、guaA、mutL、nuoD、ppsA和trpE,PCR扩增测序后采用DNAstar和PHYLOViZ 2.0等软件对分离的CRPA进行遗传差异性分析。结果60株CRPA主要分布在呼吸科、康复科、重症监护病房。标本类型以痰液为主(63.3%),其次为肺泡灌洗液(28.3%)。除多黏菌素、阿米卡星、庆大霉素外,对其他抗菌药物的耐药率均为40%以上,与同期分离的碳青霉烯敏感铜绿假单胞菌(carbapenem sensitive pseudomonas aeruginosa,CSPA)相比,除多黏菌素外,CRPA分离组对阿米卡星(23.3%)、头孢吡肟(58.3%)、头孢他啶(48.3%)、环丙沙星(55.0%)、哌拉西林/他唑巴坦(45.0%)、氨曲南(56.7%)、美罗培南(78.3%)等抗菌药物的耐药率显著高于CSPA组,差异有统计学意义(P<0.05)。MLST分析显示35株CRPA可分为25个ST型,其中优势ST为ST1182。该研究发现1种新的等位基因trpE316,3种新的ST型别,分别为ST3978、ST3979、ST3980。结论CRPA主要来源于呼吸道,多见于呼吸科,CRPA耐药形势严峻,应结合药敏结果和流行病学分析,有针对性地采取干预措施。MLST分析的结果显示ST型存在多样化,克隆类型多样化,提示这些菌株的遗传背景也极其复杂多变。

动态序列情境对面部表情知觉的影响和作用机制

现实生活中,面部表情通常随时间推移呈动态变化,个体对任一表情的解读都可能受其所处的动态序列情境的影响。尽管近年来有研究表明同时呈现的情境信息会对目标表情的知觉产生影响,但对于序列变化的表情信息如何影响目标表情知觉却知之甚少。本研究拟通过行为实验和眼动技术,借助人工合成和真人表演的动态表情,考察序列变化的表情信息(即动态序列情境)对初始表情和最终表情的知觉的影响及其作用机制。研究成果有助于揭示生态化情境下的面部表情加工机制,为基于人工智能的动态表情识别提供参考。

弹性网络正则化的高维序列因果关联识别研究

弹性网络正则化方法兼顾了L1正则化与L2正则化的优点,能够解决高维时间序列因果关系分析中共线性、过度拟合与信息冗余等问题,有效发掘高维序列之间的主要关联关系。首先,基于VAR模型与长期格兰杰因果关联网络,阐述高维序列因果关联识别的方法;其次,讨论了弹性网络正则化如何解决高维序列因果关系建模的弊端,融合L1与L2正则化的主要特点;最后,结合多维大宗商品期货价格日度波动率序列,探索了弹性网络正则化在高维序列因果关联识别的应用,并与其他正则化方法进行比较。结果表明,弹性网络正则化方法避免了信息冗余与“过度稀疏化”的问题,识别与提炼商品价格波动因果关联网络中的主要影响节点与传导关系,挖掘序列关系网络中的主要因果关联。

动态时间序列建模的多模态情感识别方法

现有的情感识别研究未充分考虑语音信号中的局部-全局信息和长期时间依赖关系,文本特征提取也存在特征稀疏和信息丢失的问题。为解决上述问题,提出动态时间序列建模的多模态情感识别方法。设计动态时间窗口模块分割语音信号从而捕捉局部-全局信息,并通过双向序列建模捕获信号中的空间信息。考虑到文本信息对情感分析的重要性,采用基于Transformer模型的卷积神经网络捕捉文本中不同位置间的依赖关系建模较长的上下文信息,最后将两种模态进行融合得到最终的情感分类。模型在IEMOCAP数据集上的实验结果表明,相比其他主流模型具有更好的多模态情感识别效果。

三~六年级“五类习作”目目标序列建构探究

文章以统编版语文教材为例,梳理了三~六年级习作主题,重点探究了“记事、想象、写人、写景、说明”五类习作目标序列。记事主题习作建构了从完整记事到在记事中表达真情实感的目标序列;想象主题习作建构了从简单联想到在想象中创新合理表达的目标序列;写人主题习作建构了从写出特点到反映人物的思想品质的目标序列;写景主题习作建构了从写出表象到写出情感的目标序列;说明主题习作建构了从简单说明到规范有序全面介绍事物的目标序列。

ASE-ERNIE:一种基于ERNIE的中文指令动作序列生成方法

中文结构灵活多样,同样的语义有多种表达方式,在中文指令过长或存在多组动作的情况下,家庭服务机器人很难正确理解并做出响应。此外,家庭环境的中文指令解析研究在数据方面仍然稀缺。现有的方法不能准确提取出指令中包含的全部动作序列。由此提出一种基于ERNIE方法的动作序列提取(ASE-ERNIE)模型来提取中文指令中的可执行动作序列,该模型通过动作类型和参数之间的关系提取指令信息,将动作序列的提取工作转化为序列标注任务。在指令中存在多组动作并且存在多个参数的情况下,依然能够提取出全部动作序列。通过实验验证了所提方法的有效性,动作序列提取任务的F 1值达到了80.37%。

基于时间序列相似性与机器学习方法的页岩气井产量预测

页岩气井单变量产量预测存在较强的不确定性,而现场生产动态数据同时包括多个相关指标,针对如何选取合理的多变量数据对页岩气井产量进行预测,在保证计算效率的情况下提高预测精度。页岩气井的生产动态数据集包括日产气量、日产水量、套压、油压、油嘴直径、开井时间和温度等,采用欧式距离和动态时间弯曲距离对生产动态数据时间序列进行相似性度量,依据与日产气量的相关度,把数据分为强相关时间序列和弱相关时间序列;其次,基于卷积神经网络、循环神经网络、长短期记忆网络和门控神经网络分别对全时间序列、强相关序列、弱相关序列和单变量序列进行页岩气井产量预测;最后,以平均绝对误差、均方根误差和决定系数作为评价指标,得到不同序列的误差由小到大排序为强相关序列、全时间序列、弱相关序列、单变量序列,优选的机器学习方法为门控神经网络和长短期记忆网络。结果表明,采用机器学习方法结合页岩气井强相关性序列(日产气量、套压、油压、日产水量)能有效降低预测误差,提高页岩气井产量预测效果。

铝土矿及伴生关键金属矿床的岩石(矿石)组成、成矿序列及成矿机理

大陆风化是地球表层系统中的关键过程,涉及多种能量形式(太阳能、风能、化学能和重力势能)和物理化学过程,是地球化学元素在地球不同层面(如岩石圈、水圈、生物圈和大气圈)之间迁移和重新分配的基础。在此过程中,异常的元素富集可形成工业级的风化淋滤矿床。风化淋滤矿床可进一步区分出风化矿床和沉积—淋滤型矿床2种类型。传统的矿床学和沉积学研究方法在理解风化淋滤矿床形成过程中存在局限性,特别是在解析成矿阶段和动态成矿过程方面仍不甚明晰,导致该类型矿床在基础研究和勘查方面长期存在亟待解决的一批问题。本研究在厘清大陆风化作用、风化壳(古风化壳)、土壤(古土壤)等概念的基础之上,对现代风化淋滤剖面(如广西贵港三水铝石矿床)和古老风化淋滤型矿床(如中国华南地区早石炭世—晚二叠世铝土矿床及沉积淋滤型稀土矿床)开展了系统的沉积学分析与对比工作。研究发现,风化淋滤矿床的结构组分主要包括碎屑、团粒与包粒、块状黏土等结构类型,分别对应碎屑状、包粒状、致密状矿石的形成。成岩过程主要依赖于氧化物矿物及黏土质的胶结与填隙作用。基于上述认识,提出了风化淋滤矿床的淋滤序列和剖面结构划分方案。该方案以风化剖面中渗流带与潜流带作为基本的划分依据,进一步区分出风化矿床序列与沉积—淋滤型矿床序列,两者主要以是否出现沉积单位作为主要识别标志。以古气候为主线分析了风化淋滤矿床的成因机理,并结合近年来质量平衡计算相关成果,总结了淋滤过程中元素迁移规律,将风化淋滤型矿床的成矿过程概括为成矿母质形成、成矿物质风化和后期改造3个阶段。

和差变换与φ-mixing的稳定性

设{x_i·i≥1}为φ—mixing.本文利用和差变换公式,在一定条件下,证明了S_a/a_n(?).

基于间断时间序列分析的医院DRG付费改革成效评价研究

目的:分析DRG付费改革对天津市某三级医疗机构运行的影响。方法:收集2020年1月~2022年12月改革试点医疗机构医疗服务能力、医疗服务效率、医疗服务质量3个维度的月度数据,采用间断时间序列数据模型分析改革前后各类指标趋势的变化。结果:试点医院医疗服务能力提升效果显著,医疗服务效率存在较大提升空间,改革对于医疗服务质量影响甚微。结论:在当前诊疗能力稳步提升的情况下、医保支付改革所倡导的降本增效要求下以及“以治疗为中心”转向“以健康为中心”的医疗服务发展模式下,应完善DRG付费改革促进医疗服务能力、医疗服务效率和医疗服务质量提升的关键机制,多措并举实现公立医院高质量发展。

药用天麻4种变型的块茎性状及ITS序列比较

目的:比较乌天麻、红天麻、绿天麻和黄天麻4种药用天麻变型块茎的性状优劣、ITS序列信息差异及其亲缘关系,为天麻药材品质评价及优良品种选育提供依据。方法:从不同产地采集4种天麻变型21批样品,其中块茎683个用于特征描述和量化性状指标(重量、长度、周长、环节数、环节宽、长周比)的比较,花茎37株用于ITS序列特征及遗传多样性的分析。结果:乌天麻性状最稳定;绿天麻、红天麻的6个性状指标平均值变异较大,RSD平均值分别为27.90%、26.17%;黄天麻形状短小,横环纹节数少但小点密集。ITS序列分析表明,绿天麻的遗传多样性最高,黄天麻最低;黄天麻与乌天麻的亲缘关系最近,与绿天麻的亲缘关系最远。结论:药用天麻4种变型之间的块茎性状特征和ITS序列遗传信息的差异较大。乌天麻块茎的性状最优,产量最高,遗传性状信息稳定,更适合大规模种植;绿天麻块茎的形态特征和遗传信息的多样性高,适合作为新品种选育的亲本。

基于决策树的川滇地区地震序列类型判定特征重要性研究

基于1966—2021年川滇地区225次5级以上地震目录、地震序列目录和历史地震震源机制资料,参考以往研究和震后趋势预测实践经验,构建了10个基于地震观测数据的机器学习序列类型判定特征样本数据集。基于地震序列分类定义,设置多震型、主余型、孤立型三类样本“标签”。对样本进行不均衡处理、对特征参数进行缺失处理后,采用决策树模型对特征参数的重要性进行研究。结果显示:不同时间段特征参数重要性类别有一定差异,随着序列数据资料的增加,序列类型判断更倚重动态的序列数据资料;主震震源机制相关参数和主震参数对序列分类有较高的贡献率,序列参数对序列分类贡献率不高。整体而言,模型给出的结果与实际经验性预报方法较为一致。

基于情境感知和序列模式挖掘的气象学习资源推荐算法

随着互联网的快速发展,气象部门职工作为学习者可以获得的学习资源得到极大丰富。信息超载导致检索合适的在线学习资源时遇到了困难;学习者在不同学习环境和序列访问模式上也有不同的学习需求。但是,现有的推荐系统,如基于内容的推荐和协同过滤,没有结合学习者的情境和序列访问模式,推荐结果准确度不高。本文提出了一种结合情境感知、序列模式挖掘和协同过滤算法的混合推荐算法来为学习者推荐学习资源。混合推荐算法中,情境感知被用来整合学习者的情境信息,如知识水平和学习目标;序列模式挖掘被用来对网络日志进行挖掘,发现学习者的序列访问模式;协同过滤被用来根据学习者的情境数据和序列访问模式为目标学习者计算预测并生成建议。实验和应用效果表明,该混合推荐算法推荐的质量和准确性方面优于其他推荐算法。

海底节点同步源高效混叠采集随机延迟时间序列分布原则研究

近年来,海底节点(OBN)同步震源高效采集方法的研究成为地震勘探领域的热点之一。陆地可控震源数据分离激发参数的选择有时间延迟、相位、扫描长度等3种编码方式。但是,由于海上空气枪激发的特点,相位和扫描长度编码适用性差。只能采用时间延迟编码方式。海上混叠采集时间延迟序列的编码是影响数据分离效果的最关键因素之一。提出了一种基于正态分布约束的均匀随机时间分布定量编码准则,通过目标函数约束构建最优时间序列,并对比分析了实际自然随机激发时间和其它2种理论模拟的随机时间分布方式在共检波点域的分布特征。利用频率波数波数(FKK)域迭代反演方法进行混叠数据分离,单炮模拟测试结果表明,构建的最优时间序列比其它3种分布方式更能有效地分离混叠地震数据。海上三维工区高效混叠采集试验结果表明,根据最优准则构建的延迟时间序列,能够取得较好的数据分离效果。该研究结果为后续野外混叠采集的延迟激发时间设计提供了技术支持。

一种大尺度区域GNSS坐标时间序列自适应时空滤波方法

提出一种GNSS坐标时间序列自适应时空滤波方法,在规定阈值下将滤波区域自适应分为若干个子区域,进行共模误差的提取和去除。对陆态网184个GNSS站点垂向坐标序列进行时空滤波,3组随机实验中,自适应PCA时空滤波后的站点序列平均RMS值减少约39.7%、38.4%和39.7%,且优于整体PCA滤波。进一步分析滤波前后站点噪声特性变化,结果显示,相比于整体PCA滤波,自适应滤波方法中站点残差序列幂律噪声减少约17.8%。

云南盐津地区两种地震序列的地震活动性分析

2020年9月—2021年1月,云南盐津地区出现了密集中小地震活动。为获取更完备的地震目录和更准确的震源参数,利用2020年1月—2021年2月云南及其邻区地震台网记录到地震事件的观测报告和连续波形,采用匹配定位方法检测到了1340次地震事件。利用联合波形互相关的双差地震定位方法进行重定位,获得了检测目录中351次地震的精确位置,对精定位后的地震活动时空分布特征进行分析研究,结果表明:盐津地区发生的密集中小地震活动为先后发生的2种不同类型的地震序列,沿两条不同走向和倾角的断裂分布,其中2020年9—10月的M_(L)3.9震群型地震序列发生在NNW走向、倾角约为75°的盐津—筠连断裂;2021年1月的M_(L)5.2孤立型地震序列发生在近SN走向、断层线与盐津—筠连断裂呈约30°夹角且倾角约为50°的隐伏断裂。