关于区间序列的离散Opial型不等式

基于Young不等式、区间数的gH-差,以及区间分析基本理论,得到一些新的关于区间序列的离散Opial型不等式,推广了一些经典的离散Opial型不等式,并举例予以验证.

16S～23SrDNA区间序列——一种分类及鉴别细菌的新方法

16S～23S rDNA区间序列是继16S rRNA后又一分类及鉴别细菌的新方法,它集保守性和可变性于一身,不但可用以菌种间鉴别,还可用来分辨16S rRNA不能鉴别的非常接近的菌种和种内菌株之间鉴别。16S rRNA的区域2和23S rRNA的区域10是构建区间序列的最好引物,已广泛用于菌种及菌株的鉴别。

区间序列的一个性质

定理1设{[a_n,b_n]}(a_1>0)是一区间序列。若limb_n=+∞,在[a_n,b_n]上每一个点都具有某个性质P,则存在一数γ,使得点列{nγ}中有子列{n_jγ},在子列的每一个点n_jγ都具有某个性质P. 证取[α_1,β_1]=[a_1,b_1],考虑[nα_1,nβ_1](n为正整数)。如果要使得nβ_1≥(n+1)α_1 必须使n≥α_1/(β_1-α_1)。因此,当n≥N_1=[α_1/(β_1-α_1)]+1时(其中[x]是x的最大整数部分),区间序列{[nα_1,nβ_1]}覆盖数集{x|x>N_1α_1}。于是,存在正整数n_1与m_1。

基于向量自回归和多元线性回归的区间序列预测方法

为了使自回归模型和多元线性回归模型能直接对区间时间序列建模,将区间看作一个二维列向量,将2个模型的参数设置为矩阵型,提出了面向区间序列的向量自回归模型、向量多元线性回归模型以及两者的组合模型。分析表明,新模型实质上是结合了区间的上下界点序列对其中一个界点进行预测,体现了区间的整体性和上下界点之间的内在联系。将该模型对发电量和客运量进行区间预测,结果表明,模型的预测效果良好。

基于灰色周期外延的航线客流量区间序列预测模型

为解决无法获取先验分布模式的“贫信息、小样本”航线随机客流量预测问题,提取这类航线客流量时间序列的上、下界信息,并在中间增加一个偏好值,形成包含左界点、中间点和右界点的三元区间数结构的航线客流量表达形式,将三元区间数数据结构转换为左半径、中心及右半径3个独立的时间序列,再利用灰色系统理论建立航线客流量预测模型,并利用周期外延模型对上述模型得出的残差序列进行修正。采用2004—2019年民航客运量数据进行验证分析。结果发现,ARIMA(autoregressive integrated moving average model)模型预测检验的平均绝对百分比误差为6.77%,灰色周期外延模型的平均绝对百分比误差为1.66%,因此后者在短期预测上有较大优势。

区间序列计数

利用递归,对称等多种方法研究了[1,n]上l度k-区间序列的计数问题,给出了计数公式。特别当k=2,3时,通过分析SIV结构表,得到了s(n,k,l)简洁的多项式计数公式。

一类区间值时间序列IO型异常点检测方法及其在金融时序分析中的应用

针对区间值时间序列的异常点检测问题,从区间数据的区间中心和区间半径出发,基于ARIMA的点值时间序列IO型异常点检测原理,构造一类区间值时间序列IO型异常区间的检测方法。其中,对区间值时间序列IO型异常区间的概念和类型进行了具体的界定,给出了区间值时间序列IO型异常区间的检测步骤。最后,针对上证指数2016年1月4日到2018年12月28日每日最高价和最低价构成区间值时间序列且其每日收盘价构成点值时间序列,用所提方法进行IO型异常区间的检测,通过和传统点值异常检测结果的对比分析表明,所提方法能够更有效地识别出金融时间序列中存在的异常状况。

金融区间序列分析及其预测的初步评价

金融市场中的实际观测数据,除随机性外往往还带有模糊性,这样的观测数据通常以观测区间的形式给出,例如,当我们谈及某日的上证指数时,其观测值总是在最低点与最高点之间波动。观测值的这种不确定性来自于多重隶属现象,而非随机现象,我们称这种不确定性为模糊性。不确定性问题通常含有两种意义上的分类:一类是随机不确定性,人们依靠概率统计方法进行处理;另一类是非随机性的不确定性,即为模糊性问题,通常利用模糊集合理论来进行研究。本文将在模糊数学理论基础上,利用回归分析方法,构建模糊金融时间序列模型,并利用FLP(模糊线性规划)方法来估计模型的未知参数。为了合理评价拟合效果,我们将根据测量模糊集合间的择近原则,给出利用样本平均贴近度来评价模型拟合效果的一个准则。实证研究将讨论金融模糊时间观测序列的建模、参数估计,并对模型的实际拟合效果和预测效果做初步评价。

基于ARIMA与数据累加生成的区间时间序列混合预测模型

为了提高区间时间序列的模型预测精度,提出一种改进ARIMA模型的方法。将二元与三元区间序列分别转换为含有等量信息的实数序列,结合灰色模型中的数据累加处理方法和ARIMA模型实现实数序列建模,还原处理得到区间预测序列。数据分析表明,当区间序列波动较小时,不进行数据累加处理就能得到较高精度的区间预测序列,而当区间序列波动较大时,数据累加处理方法消除了原数据的随机性,更好地挖掘了建模序列的规律,因而得到更高精度的预测序列。

区间时间序列向量自回归模型在短期电力负荷预测中的应用

电力负荷数据通常随着时间的不同而呈现一定的波动性。针对电力负荷随着时间波动呈现出一个范围波动的特点,采用区间时间序列估计与向量自回归相结合的方法对短期电力负荷进行预测,预测结果拟合良好,提高了电网公司对电力负荷的预测精确度,为电网公司制定负荷预报曲线提供精准数据信息,为电网公司编制电力负荷计划提供理论支持和有效的方法。

羌活和宽叶羌活简单重复序列区间扩增反应体系的正交优化

目的通过探讨羌活和宽叶羌活ISSR实验中各种因素的影响，以建立羌活和宽叶羌活的简单重复序列区间扩增（ISSR—PCR）最佳反应体系。方法利用正交实验设计L9（3^4）对羌活和宽叶羌活ISSR-PCR反应体系的4因素（Mg^2＋，dNTP，引物，Taq酶）在3个水平上进行优化实验，PCR结果用SPSS13．0统计软件分析，并设置梯度PCR进行引物退火温度筛选。结果在20μl ISSR—PCR反应体系中，各组分的最适浓度为：2．0mmol／L Mg^2＋，250μmol／L dNTPs，0．50μmol／L引物，1U Taq酶，40ng DNA模板；模板DNA 40—90μg，不同引物有不同的最佳退火温度，范围在48—52℃。结论该优化体系的建立为进一步进行羌活和宽叶羌活种群间遗传多样性研究提供了参考。

甜槠种群遗传多样性的简单重复序列区间初步分析

应用简单重复序列区间（ISSR）分子标记方法对甜槠种群的遗传多样性和遗传分化进行了初步研究．从100个引物中筛选出12个用于正式扩增的ISSR引物，在9个种群179个个体中共检测到202个位点，其中198个是多态位点，多态位点百分率（P）为98．02％．各种群多态位点百分率在60．40％～70．30％，平均为65．29％．甜槠物种水平的Shannon信息指数（I）为0．5322、Nei指数（h）为0．3597．各种群J平均为0．3635、h平均为0．2468．AMOVA分子差异分析表明，65．96％的变异存在于种群内，34．04％的变异存在于种群间，种群间的基因分化系数（GST）为0．3138．甜槠种群间的基因流（Nm）为1．0933．9个种群的平均遗传距离为0．1849，遗传距离与地理距离呈显著正相关．利用UPGMA法对9个种群进行聚类，结果显示浙江省内的8个种群聚成一类，庐山种群单独成一类．

基于聚类的区间数时间序列的索引方法

在时间序列数据库中,大多数现有的相似性搜索方法都集中在如何提高算法的效率,而对于由不精确数据组成的时间序列如何进行相似性搜索,则研究比较少,不精确数据经常用区间数据来表示;通过识别区间数时间序列中的重要区间数,使得区间数时间序列的维数大幅度降低,该文针对由区间数组成的时间序列,提出了一种基于低分率聚类的索引方法。实验表明,该方法加快了区间数时间序列的查找过程,不会出现漏报现象。

地龙类药用动物的简单序列重复区间分子鉴定研究

【目的】探索利用简单序列重复区间(ISSR)分子标记方法在核酸分子水平上鉴别不同来源的地龙类药用动物。【方法】从100条ISSR引物中筛选出能扩增明显多态性条带的引物,对采集自广东、福建、湖北、上海等地的7个不同品种的地龙类药用动物样品进行扩增和凝胶电泳分析,寻找特征位点。采用NTSYS软件计算材料间的相似系数,并用UPGMA法构建系统树,按遗传距离构建分子聚类图。【结果】8条引物共扩增出137个DNA片段,其中127个片段呈现多态性,平均多态位点百分率为92.35%,可单独或联合应用鉴别地龙类药用动物。【结论】ISSR分子标记技术具有较好的可靠性和重现性,可用于地龙类药用动物的鉴别和遗传亲缘关系研究。

区间灰数序列的白化方法及其性质研究

由于灰代数运算体系尚不完善,难以有效构建基于灰数序列的灰色模型,而传统灰数序列的白化方法又将导致信息损失,故在不破坏区间灰数独立性及信息完整性的前提下,设计一种区间灰数序列白化处理的新方法,重点研究白化序列与原区间灰数序列在平移变换及倍乘变换过程中的数据特点;同时将白化序列成功地应用于区间灰数预测及关联分析模型的构建。这一研究成果对拓展灰色模型的适用范围具有重要意义。

应用简单序列重复区间扩增多态性分子标记鉴定我国12个城市与地区常见嗜尸蝇类的研究

目的探讨应用ISSR分子标记鉴定我国不同地区常见嗜尸蝇类,分析其亲源关系及基因差异。方法采集广州、深圳、阳江、南京、长春、宜昌、北京、武汉等12个城市与地区常见嗜尸蝇类:家蝇(Musca domestica),丝光绿蝇(Lucilia sericata),大头金蝇(Chrysomyia megacephala),黑尾麻蝇(Helicophagella melanura),棕尾别麻蝇(Boetthcherisca peregrina)。设计22个ISSR引物,对采集的蝇类基因组DNA进行PCR扩增,从中筛选出8个引物用于我国不同地区法医蝇类的鉴定,进行ISSR分析,用PAUP聚类分析软件绘制聚类图。结果8种ISSR引物鉴定我国部分城市与地区5种蝇类,总共扩增样品次数为121,可放大679个清晰和稳定的带,其中516个是多态性。结果表明我国不同城市与地区的家蝇、大头金蝇、丝光绿蝇、棕尾麻蝇、黑尾麻蝇分别呈现不同带谱,不同地区的家蝇呈现种内与地域多态性的遗传带谱,而5种腐尸性蝇种间呈现完全不同的带谱,发现种特异性的片段。聚类分析结果显示:10个不同地区的家蝇聚类为一棵分枝树,细分为4个不同层次的类群,不同地区的大头金蝇、丝光绿蝇的绝大多数种类聚类在一起,亦存在种内基因型与地理株的基因组DNA差异。结论应用ISSR技术,首次对我国12个城市和地区的常见嗜尸蝇类做出鉴定,揭示我国10个城市与地区的家蝇种类存在种内基因型和遗传的差异;不同地区的大头金蝇、丝光绿蝇亦存在种内基因型与地理株基因组DNA的差异。

红树植物海桑简单重复序列区间(ISSR)条件的优化

海桑(Sonneratiacaseolaris(L.)Engler)是海桑科一种重要的红树植物.为利用ISSR分子标记研究海桑的遗传多样性,对影响ISSR PCR的多个因素,包括Taq酶的用量、Mg2+浓度和dNTP浓度、引物浓度及其退火温度、模板DNA浓度等进行研究,确定了海桑ISSR PCR分析的最适条件:10μLPCR反应体积中,10×buffer(100mmol·L-1KCl,80mmol·L-1(NH4)2SO4,100mmol·L-1Tris HCl,pH9.0,0.5%NP 40)1μL,0.35UTaq酶,2～3.75mmol·L-1Mg2+,300μmol·L-1dNTP,0.3μmol·L-1引物,10ng模板DNA.

乌头简单序列重复区间扩增条件的优化

目的保证乌头ISSR-PCR的稳定性、提高对乌头遗传多样性,亲缘关系分析、种质鉴定的可靠性。方法收集西南地区23个乌头材料,以Mg2+,dNTP,引物和聚合酶建立L9(34)正交设计,并同时考察模板和甲酰胺浓度及退火温度,建立适宜的ISSR-PCR体系。结果以Mg2+2.0 mmol/L、dNTP 0.25 mmol/L、引物0.3μmol/L、rTaq酶1U、模板1.5 ng/μl、甲酰胺2%及退火温度(Tm-3)℃的ISSR反应体系最优。结论实验建立的ISSR-PCR体系反应稳定,能用于乌头的ISSR分析。

基于区间型数据的金融时间序列预测研究

提出了金融数据预测新方法——区间型时间序列模型,是传统时间序列模型的拓展.在与传统的点值AR模型、VAR模型以及Na?ve模型的比较分析中发现,区间数据模型的预测精度更高,区间高价和区间低价预测误差均较小,而且具有统计显著性.进一步,不同的估计样本量、数据频度以及不同市场特征的区间价格数据对区间模型的稳定性检验再次验证了区间数据模型的可靠性.区间型金融时间序列预测研究不仅为金融问题的定量分析提供了新的视角,也可为政策制定和交易策略实施提供了更丰富的决策参考信息.

基于离散区间二进制序列激励信号的燃料电池EIS测量及故障诊断方法

为在不影响燃料电池发电系统正常运行的前提下快速分析电堆内部复杂反应过程,获取精确的输出特性等效电路模型,提出一种基于离散区间二进制序列(discreteinterval binarysequence,DIBS)脉冲信号的燃料电池电化学阻抗谱(electrochemical impedance spectroscopy,EIS)在线测量及故障诊断方法。该方法在不增加信号时域幅值的基础上尽可能多地将能量集中到指定的频率点上。该文设计并搭建EIS测量平台,实验确定激励信号频率范围为0.2~80Hz,并对电堆10~60W不同负载功率下的阻抗谱进行测试,验证所提出的DIBS脉冲激励用于燃料电池EIS测量的有效性。提出R(RQ)(RQ)(RQ)三阶等效电路模型,并采用Nelder-Mead参数辨识方法,得到总体误差较小的EIS拟合曲线。在此基础上针对膜干和水淹故障,利用PSO-SVM分类方法对电堆故障进行诊断。研究结果表明:提出故障诊断方法准确率高达97.14%,能准确判断出所使用的燃料电池所处故障类型。