基于SARIMA-GPR模型的短时交通流预测应用研究

交通流量数据具有周期性、不平稳性、复杂性等特点,若使用单一模型对其进行预测,则预测效果不是很好,因此提出一种组合的SARIMA-GPR模型。SARIMA (Seasonal Autoregressive Integrated Moving Average)模型与GPR (Gaussian Process Regression)模型分别很好拟合交通流量的线性部分与非线性部分,且GPR模型考虑到数据的噪声,能更好地抓取到数据信息。对原数据进行特征提取与分析,训练SARIMA模型与GPR模型,得到两个预测模型,根据模型的MAE得到两个模型的权重值,得到最终的预测值。将该组合模型与SARIMA、GPR、SVM、SARIMA-SVM组合模型进行预测效果对比,实验结果表明,SARIMA-GPR模型预测效果要优于单一模型,预测结果平均绝对百分比误差(MAPE)减少到4.51%,预测结果更接近真实数据。

磁共振ADC值联合GPR模型对CHB肝纤维化的诊断价值

目的评估磁共振表观弥散系数(ADC)值联合γ-谷氨酰转肽酶—血小板计数比率(GPR模型)对慢性乙型肝炎(CHB)患者肝纤维化分期的临床诊断价值。方法选择淮安市传染病医院2016年3月—2021年6月期间完成肝穿刺活检的慢性乙型肝炎患者180例,以2∶1分成训练集和验证集,所有患者均检测磁共振ADC值以及γ-谷氨酰转肽酶(GGT)、血小板计数,并计算GPR模型。以肝纤维化病理分期(F)作为金标准,探讨磁共振ADC值、GPR模型与肝纤维化分期的相关性;应用受试者工作特征(ROC)曲线分析磁共振ADC值联合GPR模型诊断肝纤维化的价值。结果随着肝纤维化程度加重,训练集磁共振ADC值逐渐降低(r=-0.706,P<0.001);而GPR模型则逐渐升高(r=0.549,P<0.001)。在验证集中,ADC值同样与肝纤维化呈负相关(r=-0.670,P<0.001),GPR模型与肝纤维化呈正相关(r=0.409,P<0.05)。在判断F≥2肝纤维化时,训练集ADC值、GPR模型及二者联合诊断的曲线下面积(AUC)分别为0.855、0.771和0.874,验证集中则分别为0.798、0.705和0.846;在判断F≥3时,训练集AUC分别为0.877、0.802和0.905,验证集中则分别为0.869、0.711和0.906。;而在判断F=4时,训练集AUC分别为0.864、0.778和0.880,验证集中则分别为0.847、0.700和0.868。结论磁共振ADC值联合GPR模型可提高慢性乙型肝炎肝纤维化诊断效能,且对于F≥3肝纤维化的诊断最有优势。

基于GPR代理模型和GA-APSO混合优化算法的软基水闸底板脱空反演

软基水闸底板脱空是水闸在长期服役期间受水流侵蚀等环境因素影响所产生的一种危害极大且难以察觉的病害。由于其病害部位于水下,传统方法难以检测,该研究提出一种基于高斯过程回归(Gaussian process regression,GPR)代理模型和遗传-自适应惯性权重粒子群(genetic algorithm-adaptive particle swarm optimization,GA-APSO)混合优化算法的水闸底板脱空动力学反演方法,用于检测软基水闸底板脱空。首先,构建表征软基水闸底板脱空参数和水闸结构模态参数之间非线性关系的GPR代理模型;其次,基于GPR代理模型与水闸实测模态参数建立脱空反演的最优化数学模型,将反演问题转化为目标函数最优化求解问题;最后,为提高算法寻优计算的精度,提出一种GA-APSO混合优化算法对目标函数进行脱空反演计算,并提出一种更合理判断反演脱空区域面积和实际脱空区域面积相对误差的指标—面积不重合度。为验证所提方法性能,以一室内软基水闸物理模型为例,对两种不同脱空工况开展研究分析,结果表明,反演脱空区域面积和模型实际设置脱空区域面积的相对误差分别为8.47%和10.77%,相对误差值较小,证明所提方法能有效反演出水闸底板脱空情况,可成为软基水闸底板脱空反演检测的一种新方法。

γ-谷胺酰转肽酶/血小板计数模型评估慢性乙型肝炎患者肝纤维化的诊断价值

目的评估γ-谷胺酰转肽酶/血小板计数无创模型(GPR)对慢性乙型肝炎(简称乙肝)患者肝纤维化的诊断价值。方法共纳入2009年1月至2013年2月在北京地坛医院住院的慢性乙肝患者217例,根据肝组织病理学结果分为非显著性肝纤维化组178例(S0~S1)和显著性肝纤维化组39例(S2~S4)。分别对两组患者进行血常规、血清生物化学指标、乙肝病毒学标志物及HBV-DNA等检测。参考原始文献构建GPR、丙氨酸氨基转移酶/血小板计数模型(APRI)、基于4项因素的肝纤维化指数模型(FIB-4)3种预测肝纤维化的无创模型。采用SPSS19.0软件进行统计学处理,采用受试者工作特征曲线(ROC)方法评价比较不同无创模型预测慢性乙肝显著肝纤维化的诊断能力。结果两组患者APRI、FIB-4、GPR、天门冬氨酸氨基转移酶(AST)、γ-谷氨酰转肽酶(GGT)、血小板计数(Plt)、乙肝e抗原(HBe Ag)及HBV-DNA水平比较,差异均有统计学意义(P<0.05)。APRI、GPR、FIB-4,AST、碱性磷酸酶(ALP)和GGT与肝纤维化程度呈显著正相关(r=0.317、0.285、0.290、0.259、0.188、0.238),而Plt、HBe Ag、HBV-DNA与肝纤维化程度呈负相关(r=-0.220、-0.292、-0.255)。GPR、APRI、FIB-4模型的曲线下面积分别为0.714(95%CI 0.619~0.809)、0.739(95%CI 0.647~0.830)、0.718(95%CI 0.624~0.813),其临界值、敏感度、特异度分别为0.21、61.50%、74.70%,0.31、71.80%、69.10%,1.07、59.00%、82.00%。结论GPR模型对慢性乙肝患者肝纤维化程度具有一定的诊断价值,值得在临床推广应用。

一种WiFi距离交会加权融合定位算法

基于距离交会的WIFI室内定位算法受环境的影响,距离反演精度较低导致定位误差较大,不同距离反演模型对定位误差影响特性存在差异。考虑到GPR距离反演模型过度平滑引起定位结果扎堆的缺陷和传统损耗模型反演精度过低引起定位结果误差较大的缺陷,提出一种基于GPR预测模型和损耗模型的加权融合定位算法。实验结果表明:该融合算法能够有效提高定位精度并明显改善基于GPR模型定位算法的定位结果扎堆现象。

考虑参数和边界条件不确定性的地下水污染随机模拟

为了分析模型参数的随机变化和边界条件的随机变化对地下水溶质运移模型输出结果的不确定性影响,采用蒙特卡洛模拟对一假想算例展开研究,并结合风险评估阐述不确定性分析结果.首先,建立研究区地下水溶质运移数值模拟模型,并综合利用局部灵敏度分析和全局灵敏度分析方法筛选出对模型输出结果影响较大的参数,连同模型的边界条件(第一类边界条件—水头值)一起作为随机变量.然后,利用优化超参数的高斯过程回归(GPR)方法建立模拟模型的替代模型,代替模拟模型完成蒙特卡洛随机模拟.最后,对随机模拟的结果进行统计分析和区间估计,并利用污染物浓度的概率分布函数对1、2、3号观测井进行地下水污染风险评价.结果表明:置信水平>80%时,1,2,3号观测井污染物浓度值的置信区间分别为34.77~35.03,57.74~58.04,100.07~100.69mg/L.此外,1,2,3号观测井为轻度污染的风险分别为6%,100%,100%;为中度污染的风险分别为0%,0%,99.6%;为重度污染的风险分别为0%,0%,0.5%,藉此为地下水污染修复防治和地下水的合理利用提供可靠参考依据.

一种WiFi指纹定位改进算法

目前,基于RSSI(received signal strength indication)的指纹定位算法由于低成本、易实施的特性,逐渐成为室内定位技术的研究热点。然而,基于RSSI的WiFi指纹定位受到指纹点观测质量的影响,RSSI抖动较大时引起定位精度较低。考虑到GPR(Gaussian process regression)模型能够有效地平滑时间序列信号,提出了基于GPR模型的WiFi指纹定位改进算法。实验结果表明,该算法能够有效提高定位精度,定位精度可达到1m,点位误差在小于1.5m限差时,其可靠度可达到83.3%。