一类具部分依赖和脉冲作用的捕食系统

分析了一类具部分依赖和脉冲作用的捕食系统，得到了食饵灭绝周期解局部稳定和系统持续生存条件．

基于部分函数依赖的结构匹配方法

模式匹配是模式集成、数据仓库、电子商务以及语义查询等领域中的一个难点.它主要利用元素自身信息(如元素名、数据类型等信息)、数据实例信息(模式中的数据)和结构信息(模式元素相互关联的关系)来挖掘元素语义以获得正确的映射关系.文中介绍了一种将数据实例信息与结构信息相结合来辅助匹配的新方法.此方法首先根据模式对应的数据实例信息来计算模式元素间的部分函数依赖度(模式结构信息),然后根据部分函数依赖关系建立模式元素间的依赖图,再根据元素依赖图计算元素间的结构相似度,最后得到模式元素间的映射关系.由于利用了更多的结构信息辅助匹配,所以文中方法在性能上要优于其它仅使用完全函数依赖结构信息进行匹配的方法.实验表明此方法在查准率、查全率以及全面性等各个指标上都优于已有的其它方法.

部分时滞依赖下时滞切换系统的H_∞同步镇定

研究部分时滞依赖切换控制器下一类离散时滞切换系统H_∞同步切换控制问题。使用多Lyapunov函数及平均驻留时间方法,给出平均驻留时间所满足的条件,在此切换条件下系统是均方指数稳定的且具有加权H_∞性能,同时给出H_∞切换控制器的设计方案。最后,通过一个数值例子验证所提出设计方案的有效性。

基于Stacking模型融合策略的日本俯冲带板缘地震动预测

高精度的地震动预测模型有助于提高地震灾害的预警和应对能力。传统回归方法构建地震动预测模型时提前设定了方程的形式,此种方法存在一定局限性,难以反映地震动传播过程中的复杂规律,因此越来越多的学者尝试应用机器学习方法构建地震动预测模型。但采用单一的机器学习算法,难以从数据中捕捉到更多规律,最终导致模型精度难以提升。本文基于日本KiK-net和K-Net强震台网收集到的俯冲带板缘地震动记录,使用Stacking模型融合策略,以LightGBM、XGBoost和CatBoost算法作为基学习器,线性回归算法作为元学习器,引入客观且高效的贝叶斯优化算法对模型进行超参数优化,最终训练并提出了一种适用于日本俯冲带板缘地震动预测的融合模型Stacking-Interface。对比分析所提出模型、单一机器学习模型和传统模型,发现机器学习模型的精度普遍高于传统模型,且相较于单一的机器学习模型,融合模型的预测能力有一定的提升;通过与实际地震动记录的对比和特征参数敏感性分析,验证了所提模型的可靠性和泛化能力。研究方法和结果能够为地震风险分析提供参考。

基于可解释机器学习的大型活动场馆周边路网运行状态影响研究

举办大型活动会导致周边受影响区域在短时间内集中大量人群和车辆,场馆周边路网与常态交通具有差异化特征.为探究大型活动对场馆周边路网运行状态的影响机理,解析活动规模、路段与活动场馆的空间距离等因素的影响特征,构建融合XGBoost算法与部分依赖图的可解释机器学习模型,以捕捉不同因素的非线性效应与协同影响.以北京市为例开展了实证研究,单因素的异质性影响表明:路段与活动场馆的空间距离及活动规模对场馆周边路网运行状态的影响较大,其相对重要度分别达到27.1%和25.4%,距离活动开始/结束的时间对场馆周边路网运行状态存在明显非线性特征,在活动开始前30~60 min,以及活动结束后30 min内,场馆周边3 km以内的路段将受到显著影响.二维因素的协同影响表明:当活动规模大于3万人时,节假日和不利天气对场馆周边路网运行状态呈负面影响,而在降雨和雾霾天气下,场馆周边路网运行状态受时空影响较大,影响范围为活动开始前60 min与结束后40 min内距离活动场馆2.5 km内的路段.相关研究结论可为大型活动期间道路拥堵致因辨别及制定科学有效的路网管控策略提供定量化的决策依据.

数据依赖中传递函数依赖的研究与探讨

数据依赖是关系数据理论的核心,是关系模式分解的关键。介绍了码、候选码、主属性、非主属性的概念和数据依赖的相关概念以及数据依赖对规范化的重要性,从数据依赖本质和第1范式到第5范式间的包含关系等不同的角度对传递依赖进行了系统分析,同时又对当前几个主要的普遍使用的数据库系统原理教材中的传递数据依赖定义进行了分析,从而给出了传递数据依赖的准确的定义,并且提出了部分依赖是特殊的传递依赖的观点,并加以论证。

核Drell-Yan过程与部分子分布的不均匀性

通过p A碰撞的核Drell Yan过程研究了核遮蔽效应及其空间相关性.对末态轻子对的观测反映了相互作用点的情况.计算了能量为800 GeV的质子打击Ca,W,Au核的Drell Yan过程与p p碰撞Drell Yan过程的微分截面比.研究发现,在考虑部分子分布的空间依赖性后,核Drell Yan的截面会有显著变化.计算结果与未来精确测量p A碰撞核Drell Yan过程的实验数据比较,能够定量地验证部分子分布函数的空间依赖性.

基于随机森林-特征递归消除模型的可解释性缓丘岭谷地貌滑坡易发性评价

研究旨在基于随机森林-特征递归消除模型,通过SHAP算法(SHapley Additive exPlanation,SHAP)与部分依赖图(Partial Dependence Plot,PDP)对缓丘岭谷地貌区域进行滑坡易发性评价与内部机制解释,以期为地质灾害防治研究提供参考。利用优化随机森林算法对典型缓丘岭谷地区滑坡易发性进行研究,建立缓丘岭谷滑坡易发性评价模型;利用特征递归消除算法剔除噪声因子,选取地形地貌、地质构造、环境条件、人类活动5个类型16个因子构建重庆合川区滑坡致灾因子数据库;结合合川区754个历史滑坡点,利用随机森林算法对因子重要性进行排序,并根据专家经验法对研究区的滑坡易发性进行划分,将研究区的滑坡易发性分为极低、低、中、高、极高5个等级;应用部分依赖图对合川区滑坡发生影响大的因子进行解释和SHAP算法对个体滑坡进行局部解释。结果表明:与原模型相比,随机森林-特征递归消除模型测试集AUC值提高了0.019,证明了特征递归消除算法的有效性;训练集以及测试集的AUC值分别为0.769、0.755,具有较高的预测精度;缓丘缓坡地区在起伏较大地区滑坡密度较大,历史滑坡多集中于高易发地区;滑坡的空间分布具有不均匀性与复杂性,各致灾因子对滑坡发生的影响有着明显的区域特征与空间异质性,在缓坡丘陵地区多年平均降雨、高程、岩性3个因子对滑坡发生的影响最大;由SHAP算法对合川白塔坪上山公路滑坡事件进行解释,岩性与高程对滑坡起抑制作用,起伏度、坡度、归一化植被指数(NDVI)与POI核密度促进滑坡发生。综上所述,基于随机森林-特征递归消除模型在缓丘岭谷区滑坡易发性评价中具有较高的准确性,通过部分依赖图与SHAP算法对全局滑坡与个体滑坡发生的内在机理进行解释分析,有利于构建与完善不同地貌环境下滑坡易发性评价因子体系并探究滑坡内部决策机理,可为区域滑坡易发性评估与地质灾害防治提供参考。

基于机器学习的粉煤灰活性分类预测

针对粉煤灰活性快速分类问题,基于随机森林融合数据集分析、参数调整等方法,建立粉煤灰(CFA)活性智能分类模型。利用准确率、召回率、精确率和ROC曲线下面积SAUC这4种评估指标对模型进行评估。此外,使用特征重要性、部分依赖图(PDP)和机器学习解释(SHAP)模型3种方法来衡量特征物质的贡献。研究结果表明:模型的准确率为85.45%,召回率为97.56%,精确率为84.29%,SAUC为0.92。K_(2)O、Fe_(2)O_(3)、Na_(2)O和Al_(2)O_(3)对SHAP模型影响较大。随着K_(2)O、Na_(2)O等特征物质占比增加,粉煤灰呈现高活性的概率增加;而随着Al_(2)O_(3)等特征物质占比增加,粉煤灰呈现高活性的概率降低。所建立的模型可快速划分粉煤灰活性并判断其是否具有作为辅助胶凝材料的潜力。

基于可解释机器学习框架的高速公路安全风险及影响要素识别

由于交通事故是小概率随机事件,难以在全时空域上开展交通安全分析,也无法基于此制定事故发生前的交通安全风险主动防控策略。为辨识混杂因素干扰下安全风险及其诱发本质,使用激进驾驶行为数据与速度变异系数计算交通秩序指数(traffic order index,TOI),形成事故替代指标,并通过K-means聚类算法将TOI划分为3种交通安全风险等级。在此基础上,利用Catboost算法构建交通流特征、天气条件、道路条件等因素与交通安全风险等级间的关联关系,并基于基尼系数的特征重要性确定高速公路交通安全风险要素。使用部分依赖图算法解析风险要素与交通安全风险的依赖关系,获取风险要素对交通安全风险的边际效应。结果表明:(1)Catboost算法对风险等级识别的准确率、精确率、召回率依次为85.95%、88.56%、86.75%,证明交通秩序指数与外部风险要素具有较强相关性;(2)交通流量、拥堵指数对风险识别有较大影响,且与交通安全风险等级呈现非线性关系,交通流量>450 veh/h或拥堵指数>1.5时,交通安全风险均会显著增长,交通安全风险分别上升16.9%、29.5%;(3)当连续1 km道路内设有1~2个交通标志时,交通安全风险最高,路段识别为高风险的概率为38.1%;匝道出入口和隧道内部道路的交通安全风险最高;(4)侧风作用会小幅度影响高速公路交通安全风险,当风力等级由0级增至5级时,交通安全风险上升4.99%。

基于自适应事件触发的跳变系统故障检测滤波

本文讨论了一类基于自适应事件触发机制的离散马尔科夫跳变系统在网络传输下的故障检测滤波器设计问题.对系统测量输出设计自适应事件触发机制,可以减少计算负载或节省有限的网络带宽.使用Bernoulli随机变量来描述网络是否能够成功地接收系统跳变模态,且基于Lyapunov稳定性理论设计了一种部分模态依赖的故障检测滤波器,使残差误差系统均方指数稳定且满足Η_(∞)性能指标,并通过求解线性矩阵不等式得到故障检测滤波器参数,通过仿真例子说明该设计方法的有效性.

基于高效数据降维的配电网风灾停电用户数量预测模型

风灾可能会导致配电网大面积停电,有效的配电网停电用户数量预测可以为应急抢修提供辅助指导。文中提出了一种基于高效数据降维的配电网停电用户数量预测模型。首先,基于数据驱动的方法,考虑所有特征变量即全局变量构建了基于随机森林算法的配电网停电用户数量预测模型。然后,利用部分依赖图详细分析了台风期间影响配电网停电用户的多种特征变量与响应变量之间的关系,进行了特征降维,降维后二次建模形成了更高效的配电网停电用户数量预测模型。与考虑全局变量的预测模型相比,特征降维后配电网停电用户数量预测模型在一定程度上减轻了数据收集的工作负担、提高了计算效率,为电网防灾减灾提供了有效依据。

基于集成学习的驾驶人避险安全效果影响因素研究

为准确分析影响避险安全效果的关键因素及其非线性影响关系,设计并实施了驾驶模拟试验。首先,利用模拟器及眼动仪采集各场景下驾驶人行为、眼动特征数据;其次,在相关性分析的基础上,采用随机森林等多种集成机器学习算法分析影响避险安全效果的因素,并对其重要度进行排序,采用GridSearch算法优化参数;最后,利用部分依赖图(Partial Dependence Plot,PDP)可解释性方法分析影响因素与避险安全效果之间的非线性关系。结果表明:影响特征与避险安全效果之间非线性关系明显;当特征数为6,特征分别为制动反应位置、制动反应时间、车速、刹车深度、纵向加速度、首次注视时间时的LightGBM模型效果最好,此时F1为86.07%。如制动距离较近,则高危险状况可能性明显增加;反应时间影响并不明显,但如反应过慢(超过0.9 s)则会造成风险概率升高;车速明显低于正常速度时避险安全效果不佳,往往是因为驾驶技能不强或处于分心状态;较低的减速度往往造成高危险状况,高减速度对于避免高危险状况有一定作用;制动深度不足往往伴随着高危险状况;首次注视时间过早或过晚都容易造成高危险状况,过早的注视往往是无意的注意,过晚的注意则表明发现时间过晚。

离散奇异跳变系统的网络化H_∞鲁棒滤波

针对不可靠网络传输下的离散奇异马尔科夫跳变系统,提出了H_∞鲁棒滤波器设计,基于网络在模态跳变以概率方式接近观测下,建立了一个全新的具有部分模态依赖的网络化滤波器存在的充分条件,其滤波器参数可以通过求解线性矩阵不等式而易于得到,且不需要对原系统矩阵分解。在系统模态跳变并以概率方式接近观测下,滤波误差系统是正则、因果和随机稳定且满足H_∞性能指标,并给出数例证明了所提出的网络化鲁棒H_∞滤波器设计是有效的。

广义马尔科夫跳变系统的部分模态依赖观测器设计

针对系统状态变量不完全可测以及系统模态不能实时获得的实际情况,研究广义马尔科夫跳变系统的部分模态依赖观测器及相应控制器的设计问题.基于线性矩阵不等式技术,运用模态依赖的李雅普诺夫函数讨论广义马尔科夫系统的正则和无脉冲特性,给出使系统随机稳定的基于观测器的控制器存在的充分条件.最后通过数值算例验证了所提出设计方法的有效性和优越性.

基于可解释机器学习的银行系统性风险分析

针对银行系统性风险的成因分析,由于银行系统参数多,且参数对系统的影响是耦合的、非线性的,传统机理建模的研究方法和计算机仿真分析方法都难以准确分析参数与系统性风险间的映射关系,而最近兴起的可解释机器学习为这种分析提供了可能。针对可解释算法在系统性风险分析中的应用进行探索研究,提出了基于决策树可解释性的分析方法,从宏观层面分析银行系统性风险的问题;通过与计算机仿真结果进行对比分析,验证了可解释性算法在系统性风险研究方面的有效性。实验结果表明,与银行间拆借利率、投资波动率、银行间连接度、资本储蓄比、银行资产连接度相比,储蓄波动率、投资平均收益率、用户储蓄利率与储备金率对银行系统性风险的影响程度更大;同时发现以储蓄波动率、平均投资收益、用户储蓄利息和准备金率这4个参数为主导的银行系统中,储蓄波动率越小的银行系统越稳定;但如果此时降低平均收益率并提高用户储蓄利率到一定水平,则会使得该银行系统从稳定状态变成不稳定状态。

关系模式规范化理论的理解及包含关系证明

《数据库系统原理》是计算机专业的基础专业课,而规范化理论是本课程的重要内容,本文是作者在讲授此课的过程中,对此理论进一步加深理解,给出了规范化理论的包含关系的证明,并整理成文.为了理解和证明的需要首先引来《数据库系统原理》中的以下概念:

基于Boosting算法的医疗费用预测——以鼻咽癌为例

本文的数据来源于广东省某肿瘤医院,共计2064个鼻咽癌病案,我们对其进行数据挖掘,并预测病人的医疗费用。本文通过以下四步对数据进行研究。首先,我们选取了病人的年龄、性别、TNM诊断分期以及住院天数等特征为预测变量。然后,基于回归决策树算法(CART)建立费用预测模型。其后,分别使用两种Boosting算法,AdaBoost和Gradient Boosting对已有模型进行改进。接着,通过直观比照和回归评价指标,分析三种算法建立的预测模型的效果并进行比较,得到效果最好的DBRT (Gradient Boosting Decision Tree)预测模型,其预测准确率约为85%。最后,通过特征重要度和部分依赖关系图,解释基于Boosting算法的模型的现实意义,为医疗保险资源的分配和单个病例预期费用提供了参考。

粉煤灰复合磁化肥

一项变废为宝的粉煤灰复合磁化肥生产技术及产品研制成功,并通过有关部门鉴定。我国火力发电厂80%是以燃煤为主,年排灰量达到8000万吨。另外,我国每年肥料缺口都在亿吨以上。

酒香也怕巷子深

"不论是一位医生、律师、舞蹈教师,还是银行职员,你的一生成败大部分依赖于你推销自己潜能的能力。有些人天生懂得怎样有效地推销自己,并能给人们一种良好的印象,这完全是因为他们使用了一点额外的智力,我们姑且称之为‘推销潜能意识’。"这句话摘自法国著名职业选择研究家巴乐肯所著的《形体、性格与职业选择》一书。什么叫"潜能推销"呢?下面先让我们来看几个例子。一家女主人打算在她休假期间招聘一名临时管家来看管她那豪华的住宅。许多女孩子上门来要求得到这份工作,但是女主人却在众多求职者中选中了一位貌不惊人的姑娘,因为她一进门便惊讶地说道:"你这间屋子是多么地漂亮呀!"女主人听了这句恭维话异常高兴。