中国区域T_(m)与纬度、海拔的线性分析及模型研究

针对传统的贝维斯(Bevis)模型在中国区域存在系统误差及精度不高的问题,本文提出添加站点纬度和海拔参数的T_(m)多因子回归模型。根据中国区域70个探空测站点的观测数据,首先研究了T_(m)与纬度φ、海拔h的相关系数时间变化规律,同时分别研究了T_(m)与纬度φ、海拔h的线性拟合系数k、b的时间变化规律;然后在T_(m)-Ts单因子回归模型基础上,添加纬度与海拔参数,并用年积日(DOY)表达其拟合系数,得到中国区域的T_(m)多因子回归模型;最后利用2018年的探空数据进行了验证。结果表明该模型极大地缩小了系统误差,精度提高了19.8%,在中国区域具有较高的实用性。

膀胱癌m6A调节因子预后模型建立与分析

目的分析m6A调节因子对膀胱癌(bladder cancer,BC)预后的影响,建立预后预测模型。方法从癌症基因组图谱(The Cancer Genome Atlas,TCGA)数据库获取397例BC组织的高通量测序数据和对应的临床病理特征数据。在26个m6A调节因子中,采用单因素Cox回归筛选预后相关的m6A调节因子,利用最小绝对值收敛和选择算子(least absolute shrinkage and selection operator,LASSO)Cox回归分析方法构建BC预后预测模型,比较高低风险组总生存期(overall survival,OS)、免疫检查点相关基因和靶向治疗相关基因表达的差异。通过基因集富集分析比较高低风险组中信号通路的富集情况,采用单样本基因富集分析(single sample gene set enrichment analysis,ssGSEA)和估计恶性肿瘤组织中基质和免疫细胞(estimation of stromal and immune cells in malignant tumors using expression data,ESTIMATE)法评估高低风险组免疫细胞浸润水平的差异。结果YTHDC1、IGF2BP3、LRPPRC、FTO和ALKBH3是BC独立的预后因素。利用LASSO Cox回归方法基于5个m6A调节因子建立BC预后预测风险模型,Kaplan-Meier分析结果提示高低风险组间OS存在显著差异(P<0.001),受试者工作特征(receiver operating characteristic,ROC)曲线下面积为0.665。高风险组在趋化因子、NOD样受体、嘌呤代谢、丙酮酸代谢等信号通路富集,具有丰富的免疫细胞浸润特征,PD-L1、CTLA-4、EGFR和KRAS基因表达更高。结论本研究基于m6A调节因子构建的BC预后预测模型准确性较好,有助于临床上预后判断和分层个体化治疗。

顾及多因子影响的中国区域T_(m)模型精化研究

利用中国区域2015~2017年探空数据,建立一种顾及地表温度、地表水汽压、高程和纬度的中国区域大气加权平均温度T_(m)模型(BET模型)。以2018年探空站T_(m)数据为参考值,分析BET模型精度,并与Bevis模型和GPT3模型进行对比。结果表明,BET模型年均RMSE与bias分别为3.15 K和0.04 K,相比于Bevis模型、1°×1°分辨率的GPT3模型和5°×5°分辨率的GPT3模型,年均RMSE分别降低29.2%、32.8%和39.1%,年均bias分别降低96.4%、96.7%和97.4%,且该模型在中国区域不同高程和纬度上的精度与稳定性优于Bevis模型和GPT3模型。

基于5M1E分析法和SAD模型的审计风险管控研究

5M1E分析法是从人员、机器、材料、方法、测量、环境六个方面分析造成产品质量波动原因的一种传统生产产品工序质量控制方法。文章在分析新时代内部审计面临的主要矛盾的基础上,将内部审计工作视为一个产品加工过程,借助5M1E方法识别六项审计风险,包括审计人员风险、审计标准风险、审计证据风险、审计方法风险、审计结论风险、审计环境风险,并运用SAD模型评估分析影响审计工作的两项主要风险因子包括审计人员素质风险、审计问题整改风险,并制定相应的风险应对措施,以期降低审计风险,提高内部审计工作质量,使内部审计可以充分发挥其监督企业经营活动、提高企业管理水平的作用。

引入调制因子的单相电压型逆变器模型预测控制策略研究

传统PID控制策略动态响应时间较长,同时传统模型预测控制策略控制过程复杂,为缩短电压动态响应时间,将模型预测控制策略更加简单有效地应用于单相逆变器电压控制。通过对逆变器输出电压进行两步预测,得到含输出端电流分量构成系统反馈的电压调制因子m(k)作为调制波。为提高该调制因子m(k)的稳定性和鲁棒性,设置四阶控制加权矩阵和二阶反馈矩阵实现系统闭环负反馈控制。搭建样机模型验证该控制策略的有效性。

青海地区大气加权平均温度模型精度优化

针对当前大气加权平均温度(T_(m))模型在青海省各地区的适用性较差,气象要素顾及较少等问题,提出一种青海地区大气加权平均温度模型精度优化方法:利用青海省4个探空站2014—2018年5 a的数据,通过线性回归的方法构建适用于青海省西宁、都兰、郭勒木得及玉树4个地区的本地化单因子T_(m)模型和多个气象因子参与的本地化多因子T_(m)模型;并通过反演的大气可降水量(PWV)与贝维斯(Bevis)模型和龚绍琦全国模型反演的PWV结果进行对比分析。结果表明,所构建的模型精度均优于现有模型,在反演PWV精度方面也要优于现有模型,可为提高青海地区全球卫星导航系统(GNSS)水汽反演精度提供参考。

顾及周期性变化的大气加权平均温度模型构建

针对大气加权平均温度(T_(m))是地基全球卫星导航系统(GNSS)水汽反演过程中的一个中间变量,其精度会影响地基GNSS水汽反演精度,同时T_(m)表现出较强的地域性差异的现状,研究建立地区的T_(m)模型:利用兰州市榆中探空站气象数据和欧洲中期天气预报中心第五代大气再分析数据集(ERA5)分别建立单因子、顾及年周期变化、顾及年和半年周期变化的T_(m)模型;并对2种气象数据所建的3类模型进行显著性检验和精度验证。结果表明:模型均能通过显著性水平为0.05的显著性检验,同时顾及周期性变化模型的预测值的均方根误差和平均绝对误差均小于贝维斯(Bevis)模型和单因子模型;利用顾及周期变化的模型预测的T_(m)偏差中大于5 K和大于10 K的值占比明显减小且预测残差的周期趋势明显减弱,具有零均值的正态分布特性,仅表现出误差的随机性。总体而言,ERA5气象数据所建模型预测精度高于探空站气象数据所建模型;用ERA5气象数据建立的顾及周期性变化的T_(m)模型可用于兰州市GNSS大气水汽反演。

M1近似应用于强爆炸火球辐射输运数值模拟

推导了P1近似、Minerbo近似和M1近似模型中Eddington因子和辐射输运方程的最大特征值随各向异性因子的变化关系。采用M1近似模型对1kt TNT当量的强爆炸火球的辐射输运过程进行了数值模拟,给出了火球阵面和冲击波阵面走时,并与已有计算结果进行了比较。结果表明:辐射扩张阶段M1近似下得到的辐射波波速快于P1近似下的计算结果,落后于Minerbo近似下的计算结果,而在冲击波扩张阶段三者计算结果又趋于一致。

中国南部地区大气加权平均温度模型精化研究

针对中国南部地区地势西高东低、沿海与内陆存在差异等情况,分析中国南部地区T_(m)与地面温度、测站高度、季节变化以及纬度的关系,利用中国南部地区19个探空站2015~2017年的探空数据,在Bevis公式的基础上建立只考虑地面温度的线性模型(T_(m)-SC1模型)和与地面温度、高程、季节变化以及纬度有关的新T_(m)模型(T_(m)-SC2模型)。以2018年的探空数据为参考值,对T_(m)-SC1模型和T_(m)-SC2模型进行精度验证,并与广泛使用的Bevis公式和GPT3模型进行精度比较。结果表明,T_(m)-SC1模型的年均偏差和均方根误差(RMS)分别为0.76 K和2.57 K,相比Bevis模型和GPT3模型,其精度(RMS值)分别提高13.8%和2.2%;T_(m)-SC2模型的年均偏差和均方根误差(RMS)分别为-0.10 K和1.64 K,相比Bevis模型和GPT3模型其精度(RMS值)分别提高44.9%和37.6%。T_(m)-SC2模型用于GNSS水汽计算导致的理论RMS误差和相对误差分别为0.16 mm和0.43%。因此,T_(m)-SC2模型更适用于中国南部地区的GNSS水汽探测以及气象研究。

雷达探测能力评估模型研究

提出了一种基于目标特性的雷达探测能力评估模型。该模型在给定的虚警概率和Swerling模型等条件下,建立起了发现概率与最大探测距离的数学关系。而考虑到雷达系统损耗和传播因子F对距离评估的影响,将这些因素统一概括成修正因子M定量描述。可通过Albersheim方程或Shnidman方程,推导出一个计算M因子的算法,再用M因子对最大探测距离进行修正得到实际距离,实现雷达距离以概率形式而非简单数字的完整描述。最后,以发现概率为指标对雷达网的威胁进行了评估。

(E)-苯乙基-3-(3,5-二羟基-4-异丙基苯基)丙烯酸酯对小鼠皮炎湿疹的治疗作用初步研究

目的研究(E)-苯乙基-3-(3,5-二羟基-4-异丙基苯基)丙烯酸酯(THCA354)凝胶剂对小鼠变应性接触性皮炎(ACD)的治疗作用及机制。方法通过对小鼠耳廓涂抹2,4-二硝基氟苯(DNFB)诱导建立ACD模型,测定给予DNFB刺激后24 h的耳肿胀厚度和对小鼠耳组织进行病理组织形态学分析来共同评价THCA354凝胶剂的抗过敏作用效果;采用ELISA法和RT-PCR定量检测小鼠耳组织中炎症细胞因子含量及m RNA表达水平,初步阐明其作用机制。结果与阴性对照组相比,局部涂抹THCA354的小鼠耳肿胀程度、淋巴细胞浸润程度、耳组织匀浆中促炎细胞因子含量和m RNA表达水平均显著降低,抗炎细胞因子的含量和m RNA表达水平均显著升高。结论 THCA354可能是通过改变炎症细胞因子的分泌和m RNA表达水平,调节T细胞亚群的平衡从而发挥抗过敏作用。

基于非平稳背景下的红外小目标检测

针对非平稳复杂背景下单帧图像的红外小目标检测概率较低的问题,该文提出了一种基于当前残差的改进M估计的红外背景预测和抑制算法。该算法利用M估计的基本模型预测背景,将目标像素和观测噪声视为背景估计的混合干扰,提出与背景图像残差相关的校正函数c(ε)自适应地调整估计增益,从而减小异常样本对背景估计的影响,提高了估计的准确性。同时引入遗忘因子α使算法能够适应于非均匀复杂背景的估计,提高了算法的鲁棒性。多组红外图像实验表明:所提算法不仅能够在非平稳背景下有效地估计背景,还能在滤除背景的同时最大程度地保留目标像素的信息,提高了目标的检测概率。

基于小波的多尺度边缘检测在遥感图像处理中的应用

本文引入小波多尺度边缘检测,将小波的尺度因子与不同方向的梯度联系起来在梯度大的方向(垂直边缘方向)采用小尺度的因子,突出细节.在梯度小的方向(沿着边缘方向)采用大尺度因子,可提高信噪比.试验结果表明:该算法具有很好的边缘细节的保持性,较常见的P-M模型滤波方法算法效果有明显优势.

高斯-谢尔模光束在湍流大气中的传输特征参数

基于广义惠更斯-菲涅耳原理和Winger分布函数(WDF)二阶矩的定义,推导出高斯-谢尔模型(GSM)光束在湍流中的均方根束宽、角宽以及M2因子的解析表达式,并进行了详细分析和数值计算.结果表明,它们分别随光束的相干长度σ、束腰宽度w0、波长λ、湍流的折射率起伏结构常数C2n和传输距离z的变化而变化.随着C2n和z的增大,以及σ的减小,GSM光束在湍流大气中的均方根束宽、角宽以及M2因子明显增大.

公交移动支付平台商业盈利的计量分析

针对乘车人出行支付特征以及公交第三方支付平台的商业盈利问题,运用时间序列分析、聚类分析法、单因子方差分析法、双边市场理论以及排队理论,分别建立了支付特征分析、第三方支付平台盈利模型,运用SPSS软件进行求解,得到城市居民出行特征和第三方支付平台盈利情况等结论,给出了移动支付公司增加盈利的相关建议。

一种长江下游水道通航安全风险识别方法

针对长江下游水道通航安全风险评价中存在的定量研究不足的问题,基于5M模型(Management,Machine,Man,Me-dia,Mission factor)构建了因子分析方法,利用该方法对长江下游水道历年发生的258件较大伤亡事故和223件较小伤亡事故案例进行主要影响因素分析,结果表明能见度不良、船舶交通流量大、船员安全意识薄弱、船舶设备陈旧是导致交通事故的主要因素。利用事故主要因素覆盖率和影响率对基于5M的因子分析法进行效果评价,并与统计分析法比较,结果表明:因子分析法的覆盖率虽然略有下降,但是影响率提高了56.4%。实例验证说明基于5M的因子分析法用于长江下游水道通航安全风险定量分析是可行的。

载脂蛋白M基因敲除小鼠模型的构建和鉴定

人载脂蛋白M（ApoM）由Xu等[1]于1999年发现,主要存在于具有抗动脉粥样硬化作用的高密度脂蛋白（HDL）中[2].研究显示,瘦素、胰岛素、高血糖以及多种细胞因子可调节ApoM的表达[3-4],也可能与肥胖、糖尿病、肝癌、结肠癌的发生发展相关[5-6],但其作用机制尚不明确,其功能有待进一步研究.本研究旨在构建ApoM基因敲除小鼠模型并建立分型ApoM基因敲除小鼠的方法.

日本区域加权平均温度建模

由于日本区域易受自然灾害频发、水汽特征变化复杂、探空站点分布稀疏的问题,进而制约了高精度水汽的获取,因此缺少此区域的高精度加权平均温度(T_(m))模型.鉴于此,采用2009—2016年全球大地测量观测系统(GGOS) Atmosphere T_(m)和ERA-Interim 2 m T_(s)格网数据新建立一种考虑T_(m)残差季节性变化和周日变化的适合日本区域的T_(m)模型(JQTm模型).同时,利用2017年日本区域13个探空站和110个GGOS Atmosphere T_(m)格网数据,对新建立的JQTm模型在日本区域的精度进行评估.研究发现:与GGOS Atmosphere T_(m)格网数据对比,JQTm模型的偏差(bias)和均方根误差(RMSE)分别为0.15 K和1.92 K,RMSE分别比GPT2w-1模型、GPT2w-5模型提升41.16%(1.33 K)、44.41%(1.53 K);与探空资料对比,JQTm模型的bias和RMSE分别为–0.66 K和2.14 K,RMSE分别比GPT2w-1模型、GPT2w-5模型提升28.43%(0.85 K)、29.61%(0.90 K).JQTm模型能够为日本区域提供高精度的T_(m)值,为研究此区域大气水汽和极端天气提供重要依据.

基于灰色预测和BP神经网络的高校食堂客流量预测与调度——以华北电力大学为例

在当前疫情防控背景下,高校复学对公共区域的人流量预测和调控有着更高要求。以高校食堂为例,预测就餐时期客流量,既有利于食堂人员的合理调度安排,降低了人群密集带来的潜在病毒传播风险,也可针对食堂客流量分布情况提供分时分批服务,减少餐饮浪费,厉行勤俭节约,同时还有助于缓解就餐高峰时期排队拥挤的现状,改善用餐体验,提升就餐效率。基于实地调研得到的食堂客流量数据,将灰色理论、神经网络技术研究与客流量信息预测研究紧密结合,以期能适应客流量的非线性特征,优化预测模型的性能并提高预测模型的精度,并将结果用以计算客流密度,指导窗口开放。通过对结果进行综合因子分析,优中选优,建立了适用于校园多食堂的渐变色客流量预测模型。

基于改进因子分析的投资组合问题的研究

提出了一种新的投资组合优化方案.由于部分上市公司财务指标数据不全,采用证券日收益率作为基本的处理数据;考虑用变异系数法对因子分析法中标准化处进行适当改进;将证券看作指标变量,日收益率看作样本进行分析;结合Markowitz M-V模型,计算出证券的最优投资比例.以中国股票市场为例,确定出了32支最有投资价值的股票和它们的最优投资比例.