利用Kriging预测模型的EMD端点延拓

结合端点效应的产生机理和关于端点效应的现有研究成果,提出了一种基于Kriging预测模型的抑制EMD端点效应的新方法。通过计算信号及其包络线的最优线性无偏预测,将信号的上、下包络线进行延拓,从而最大化地逼近原始信号两端点,并将未延拓的分解结果、基于镜像延拓法得到的结果和基于Kriging预测延拓法得到的结果进行对比分析。仿真算例和试验结果表明,基于Kriging预测模型的延拓方法抑制EMD端点效应的效果最优,能够精确反映信号特征,有利于准确提取结构的模态参数,提高运算效率。

基于Kriging预测模型的五轴机床动态特性场分析

为了准确预测机床的加工空间动态特性,首先,建立双转台五轴机床不同加工空间的动力学模型和Kriging预测模型;其次,根据试验模态分析结果,修正了机床滑动结合面的刚度,分析了81个工作位置的机床模态;最后,选取机床动态特性变异函数,基于三维Kriging预测模型分析了双转台五轴机床不同加工空间的系统固有频率。结果表明:随着摆台摆角的变化,双转台五轴机床加工空间中的系统固有频率变化范围为46.2~52.9 Hz;当摆台摆角为0°时,系统固有频率最小;当摆台摆角为45°时,振动幅值最大;机床的加工空间动态特性预测能够为加工路径规划和刀具姿态选择提供技术支持。

特征向量预测的POD-Kriging模型

特征向量在实际问题中有重要的含义,但实际问题常常所对应的矩阵维数是相当大的,直接求解特征向量是费时的.通过构建POD-Kriging模型对时变问题任意时刻各阶特征向量可以进行预测.对于时变系统求解特征向量可选取某些时刻的各阶特征向量样本矩阵,基于已知的各时刻各阶特征向量,通过POD方法预测各阶向量对应的一组基向量,由基的线性组合来预测任意时刻各阶特征向量,基系数则通过Kriging方法得到,从而可以用模型预测任意时刻的各阶特征向量.在预测过程中基向量只需要求一次,因此可以简化工作,且预测精度高.

泉州地区艾滋病患者机会性感染现状及预后Nomogram预测模型的构建

目的通过对泉州地区艾滋病(AIDS)患者机会性感染现状、临床特点及其预后的影响因素分析,为AIDS机会性感染的科学预防和治疗提供一定依据。方法选取2017年1月—2022年1月于福建医科大学附属泉州第一医院确诊并接受住院治疗的172例AIDS合并机会性感染患者作为研究对象,收集患者一般资料和机会性感染情况,采用多变量Cox回归分析确定影响AIDS合并机会性感染患者预后的独立预测因子,将独立预测因素引入R软件,根据各因素回归系数绘制预后Nomogram模型。采用一致性指数(C-index)对该模型的区分度进行标定,利用校准图阐明Nomogram预测的预后与实际预后之间的关系,并采用决策曲线(DCA)对Nomogram模型的临床效用进行验证。结果172例AIDS合并机会性感染患者中,机会性感染共有8种,其中细菌性肺炎占比最高,达54.65%,其次为口腔白斑,占51.74%,肺孢子菌肺炎占43.60%,带状疱疹占28.49%,肺结核占21.51%,感染性腹泻占19.77%,中枢神经系统感染占12.79%,巨细胞病毒感染最低,仅占10.47%。男性明显多于女性,18~39岁人群居多。年龄、感染种数、基因型耐药、CD4+T淋巴细胞水平是AIDS合并机会性感染患者预后的影响因素。校准曲线及DCA显示Nomogram预测模型具有较好的预测能力和临床有效性,且精准区分度较好。结论年龄、感染种数、基因型耐药、CD4+T淋巴细胞水平等因素是影响AIDS合并机会性感染患者预后的主要因子,而构建Nomogram预测模型能发挥较好的临床预测能力和有效性,为临床早识别、早防控提供科学依据。

老年糖尿病肾病患者血液透析低血糖预测模型的构建与验证

目的 构建老年糖尿病肾病(diabetic kidney disease, DKD)患者血液透析低血糖列线图风险模型并验证其预测效果,为临床制订个体化的低血糖防控措施提供参考。方法 采用便利抽样法选取2022年6月至2023年6月在南宁市某三级甲等医院A院区血液净化室进行血液透析治疗的老年DKD患者273例建模,同法选取2023年7-12月该院B院区的老年DKD患者65例进行模型验证。以Lasso回归筛选特征变量,采用Logistic回归构建模型;以受试者工作特征曲线、校准曲线和临床决策曲线评价模型预测效能。结果 338例研究对象低血糖发生率为43.5%。体质量指数、文化程度、自我管理、社会支持、DKD病程、透析过程中进食、过去1年低血糖史、透析前血糖是老年DKD患者透析低血糖的影响因素(均P<0.05)。构建的预测模型的受试者工作特征曲线下面积为0.828,校准曲线显示预测结果与实际有较好一致性(P>0.05),经验证该模型预测的总体准确率为80.0%,临床决策曲线阈值概率为7%~95%时,模型临床净获益高。结论 基于Lasso-Logistic回归构建的列线图模型在临床中应用有较好的预测价值。

皖南农村地区需水量特征分析及预测模型研究

需水量的准确预测对于提高农村地区水资源利用率、优化农饮水厂日常调度有着重要作用,然而现有预测算法面临农村部分地区可用历史数据少、质量差等问题,同时部分预测算法的计算负荷较高,无法有效适应农饮水厂运维环境。选取2021-2022年安徽省南部不同地区3处农饮水厂日供水量数据作为研究对象。经过特征分析发现,皖南农村地区日需水量存在季节性变化趋势明显而短期内波动较大的特点。针对该数据特点及实际计算需求,选取了使用网格搜索法优化后的ARIMA模型进行预测,并与SVR、LSTM、RF等模型进行对比分析。研究结果表明,使用网格搜索法的ARIMA模型可以更好地适应农饮水厂运维环境,利用其对于周期性、季节性数据较强的学习能力,对农饮水厂供水量变化趋势和规律进行准确预测,具有一定的普适性,且计算负荷明显优于其他方法。模型对比分析显示,ARIMA模型的预测精度最高,在3处农饮水厂测试集数据上的平均绝对百分比误差(MAPE)分别为1.827、1.454、2.714。

山东烤烟感官质量与化学成分关系及质量预测模型建立

为明确山东烤烟化学成分与感官质量之间的关系,探明影响山东烟叶质量提升的关键化学成分指标,对山东省6个地区代表性烟叶样品开展感官质量评价和常规成分、有机酸、生物碱、单双糖、多酚等5类23种化学指标测定,结合简单相关、方差分析、主成分分析和回归分析等统计方法进行数据分析。筛选出总糖、氯、绿原酸、降烟碱、柠檬酸/烟碱、油酸6个影响山东烟叶品质的关键化学指标,基于6个指标构建山东烟叶感官质量预测模型,验证样本预测值与真实值绝对差值0.43~3.88分,相对误差-5.66%~6.32%,平均误差3.18%。基于关键化学成分构建的感官质量预测模型可为山东烟叶质量的客观评价提供一定的技术支撑。

土石坝风险等级智能预测分析及模型优化研究

大坝溃坝会造成大量的生命财产损失和巨大的环境破坏。精准快速确定土石坝风险等级,对于控制土石坝溃坝危害具有重要意义。本文采用K-最近邻(KNN)算法填补了数据库中大量缺失数据,引入遗传优化算法(GA)优化轻量级梯度提升机(LightGBM)超参数,建立了基于GA-LightGBM的土石坝风险等级快速预测模型。采用受试者工作特征曲线(ROC)、曲线下面积(AUC)值等其他评价指标对模型精度进行验证,并将其与传统机器学习模型进行了对比。研究表明,所提模型预测准确率为89.95%,准确度最高。模型的AUC值为0.977,说明模型在适用性和预测精度方面都优于传统预测模型。采用SHAP分析对该模型进行了全局影响因素分析及案例分析,结果表明,检查频次是导致土石坝风险最重要的影响因素之一。

基于PLUS模型的2030年滹沱河流域山区段生态承载力时空格局多情景预测

为探讨滹沱河流域山区段当前及未来不同发展情景下生态承载力的时空变化,应用植被净初级生产力改进的生态足迹模型测算分析了流域2015—2020年生态承载力的时空格局变化,并借助经过精度验证的PLUS模型对2030年区域自然发展、经济发展及生态保护三种发展情景下的生态承载力时空格局进行预测。结果表明:2015—2030年滹沱河流域山区段单位面积生态承载力整体格局变化不大,但内部空间分异明显,整体呈东南及西北区域单位面积生态承载力高,而东北、西南部区域单位面积生态承载力低的特点。2015—2020年区域生态承载力总量由1.0780×10^(6)bhm^(2)增加到1.0796×10^(6)bhm^(2),呈上升趋势;2030年自然发展和经济发展情景下区域生态承载力总量分别为1.0783×10^(6)、1.0782×10^(6)bhm^(2),与2020年相比呈下降趋势,草地向耕地的转移、林地向建设用地的转移是生态承载力下降的主要原因;2030年生态保护情景下生态承载力总量为1.0802×10^(6)bhm^(2),与2020年相比呈上升趋势,耕地向林地、草地转移是区域生态承载力增加的主要原因。各类用地的生态承载力总量由高到低依次为草地>耕地>林地>建设用地>水域,生态保护情景有益于林地、草地生态承载力总量的增加,经济发展情景有益于耕地和建设用地生态承载力总量的增加,水域生态承载力总量在各种发展情景下变化较小。生态保护情景更有利于未来生态承载力的增加,符合区域未来发展方向。严格控制草地向耕地的转变以及林地向建设用地的转变,继续实施退耕还林、还草生态工程,加强区域废弃矿山生态复垦的力度,将会提高区域未来生态承载力,实现区域生态安全及经济、社会、生态的可持续发展。

基于粒子群优化-熵权无偏灰色马尔可夫模型的沥青道面性能预测

为提高沥青道面使用性能的预测精度,针对道面性能数据累积年限少、波动大的特点,采用熵值法对多个道面单元进行赋权,并利用粒子群算法(PSO)和马尔可夫模型对传统无偏灰色模型残差序列的状态区间和白化系数进行优化,构建可准确预测沥青道面性能的PSO-熵权无偏灰色马尔可夫模型.结合西北某机场沥青道面6个检测单元前7年的道面状况指数进行模型精度检验,结果表明:与传统无偏灰色模型相比,经马尔可夫模型划分残差序列空间并使用PSO算法寻找最佳白化函数后,优化模型第1年~第5年各单元残差和相对误差均减小,且整体预测精度分别提高0.05%、0.28%、0.05%、0.03%和0.14%,第6、7年的整体预测精度分别提高12.9%和19.2%,说明优化后的模型对实际沥青道面的预测结果更具有效性和针对性.

基于RUN-XGBoost算法的土石坝渗流预测模型

针对传统土石坝渗流预测模型存在局部最优、抗干扰性差和预测精度低等问题,通过RUN算法优化XGBoost算法得到RUN-XGBoost算法,构建了RUN-XGBoost模型以获得更优的土石坝渗流预测结果。该模型在种群初始化时采用RUN算法对XGBoost算法的3个主要参数进行改进,使预测结果有较高的有效性;通过自动寻找最优参数增进算法的整体收敛速度和预测精度,同时引入随机解,使算法能够排除局部最小值并继续搜索,从而获得全局最优结果。工程实例验证结果表明,RUN-XGBoost模型具有简洁、高效、预测精度高、鲁棒性强等优点。

肝细胞肝癌患者首次经动脉化疗栓塞术后中重度腹痛预测模型的构建及验证

目的:分析肝细胞肝癌(hepatocellular carcinoma,HCC)患者首次经动脉化疗栓塞术(transarterial chemoembolization,TACE)治疗后发生中重度腹痛的危险因素,并构建预测模型。方法:选取2021年1月—2023年6月首次接受TACE治疗的219例HCC患者。依据接受TACE治疗的时间先后顺序,按照7∶3将患者分为训练集(154例)和验证集(65例)。依据TACE术后是否发生中重度腹痛将训练集患者分为中重度腹痛组和无中重度腹痛组,比较两组的人口学及临床特征。采用Logistic回归分析HCC患者首次TACE治疗后发生中重度腹痛的危险因素,并构建预测模型。采用受试者工作特性(receiver operator characteristic,ROC)曲线法评估模型在训练集和验证集中对TACE术后出现中重度腹痛的预测效能。结果:训练集154例中,42例(27.3%)HCC患者TACE术后出现中重度腹痛。Logistic回归显示,肿瘤距肝包膜距离≤1 cm(P=0.001)、碘油使用量>10 mL(P <0.001)和使用无水酒精栓塞(P=0.007)是HCC患者首次TACE术后发生中重度腹痛的独立危险因素。预警模型为2.199×肿瘤距肝包膜距离+2.252×碘油使用量+1.637×使用无水酒精-3.829。模型在训练集和验证集中预测中重度腹痛的ROC曲线下面积分别为0.895和0.853。结论:肿瘤距肝包膜距离≤1 cm、碘油使用量>10 mL和使用无水酒精栓塞是HCC患者首次TACE术后发生中重度腹痛的危险因素。预测模型可为HCC患者首次TACE术后中重度腹痛管理提供依据。

白条猪价格预测模型构建

【目的】增强农产品价格预测准确度,为农产品价格的有效预测提供参考。【方法】以河南省白条猪每周平均批发价格为研究对象,提出一种基于序列分解、主成分分析和神经网络(CEEMDAN-PCA-CNN-LSTM)的白条猪价格预测方法。首先,使用自适应白噪声完全集合模态分解方法(CEEMDAN)对白条猪价格序列进行分解;其次,选用皮尔逊相关系数筛选影响价格波动的相关因素;再次,利用主成分分析(PCA)对影响因素及分解得到的子序列降维处理并作为原始价格序列的特征值,并行输入到作为编码器的卷积神经网络(CNN)中进行特征提取;最后,引入长短期记忆网络(LSTM)作为解码器输出得到预测结果。将该方法应用于河南省白条猪每周平均价格数据,与LSTM、门控循环单元(GRU)、CNN、基于卷积的长短期记忆网络(ConvLSTM)模型进行比较。【结果】CEEMDAN-PCA-CNN-LSTM组合模型预测方法得到的平均绝对误差分别降低了44.95%、27.30%、28.13%、43.17%。【结论】CEEMDAN-PCA-CNN-LSTM模型对于河南省白条猪市场价格的预测性能更优,有助于相关部门针对河南省白条猪价格波动做出科学决策。

基于WOA-BP神经网络下马铃薯产量预测分析模型

马铃薯是我国重要的粮食作物之一,营养丰富,用途广泛,是一种谷物、蔬菜和水果功能兼具的食物,其蛋白质含量远高于其他块茎类食物,且富含优质的氨基酸。马铃薯生育期短,在湖北平原、丘陵地区冬种春收适宜发展早熟品种,对于填补全国南北方鲜薯市场供应空档期具有重要意义。因此,马铃薯产量的高效预测对于制定生长期间的种植管理措施及相关决策具有重要意义。为此,针对传统BP神经网络在产量预测中存在精度低、鲁棒性差等问题,利用鲸鱼算法(Whale optimization algorithm,WOA)对BP神经网络模型进行优化。同时,基于湖北地区2009-2021年间田间物联网获取的气象因子(大气湿度、大气温度、降雨量)、田间水热因子及马铃薯产量,采用BP神经网络模型、GA-BP神经网络模型(遗传算法优化)及WOA-BP神经网络模型对所选地区马铃薯产量进行预测。研究结果表明:WOA-BP神经网络模型精度明显高于GA-BP神经网络模型及BP神经网络模型,R2达到0.9764,预测值与试验值之间拟合程度较高,表明基于WOA-BP神经网络模型可以更加科学、合理、准确地进行马铃薯产量预测。

计及采样扰动抑制的电压源逆变器三矢量无模型预测电流控制方法

针对传统电压源逆变器无模型预测电流控制(model-free predictive current control,MFPCC)方法存在电流纹波大、电流梯度更新停滞以及预测性能易受采样扰动影响的问题。该文提出一种计及采样扰动的三矢量MFPCC方法。在一个控制周期应用3个基本矢量,并根据价值函数计算矢量作用时间,降低了输出电流纹波;其次,通过建立不同矢量作用下的电流梯度方程组,实现电流梯度数据的实时更新,消除了停滞现象;再次,分析采样扰动对MFPCC的影响,采用扩张状态观测器估计采样扰动以补偿预测电流控制,抑制其对输出电流的影响。最后,通过仿真和实验,对所提方法的有效性进行了验证。

设施生菜光合和蒸腾速率影响因素分析与预测模型构建

光合速率及蒸腾速率是植物的2个重要生理指标。在全人工环境下,选取意大利生菜作为对象,设计并开展多环境变量对生菜光合速率及蒸腾速率影响的嵌套实验,得到环境因子对生菜光合速率及蒸腾速率的影响规律,应用神经网络构建生菜幼苗期光合速率及蒸腾速率预测模型。针对幼苗期生菜,选择温度、相对湿度、光子通量密度(Photosynthetic photon flux density, PPFD)及CO_(2)浓度共4个环境影响因素,采用随机森林方法对数据进行相关性分析。结果表明,与蒸腾速率相关性由大到小的因素依次为CO_(2)浓度、温度、相对湿度、PPFD,与光合速率相关性由大到小的因素依次为CO_(2)浓度、PPFD、温度、相对湿度;采用枚举法确定隐藏层节点数和训练函数,通过遗传算法优化BP神经网络的初始权值和阈值,构建GA-BP神经网络生理指标预测模型。应用测试数据对模型进行验证,光合速率及蒸腾速率预测值与实测值的决定系数分别为0.962 12、0.979 44,均方根误差(RMSE)分别为2.983 2μmol/(m^(2)·s)、0.001 435 8 mol/(m^(2)·s),表明GA-BP神经网络在模型精度和迭代次数方面性能显著提高。研究结果可为设施生菜生产环境调控提供有效依据。

中医护理技术分级标准及分级预测模型的构建

目的:制定中医护理技术分级标准及分级预测模型,为中医护理技术的分级提供科学依据。方法:2020年11月至2021年10月,采用德尔菲专家函询法及专家现场论证制定中医护理技术分级标准,邀请浙江省内中医护理专家应用中医护理技术分级标准对中医护理技术进行分级评定并构建分级预测模型。结果:根据技术的安全性、学习掌握难易程度及操作难易度将技术分为一级技术、二级技术和三级技术。咨询专家积极系数为94.44%,权威系数为0.913,肯德尔和谐系数为0.892~1.000。构建的技术分级预测模型总准确度为74.5%,ROC曲线下面积为0.904。结论:本研究构建的中医护理技术分级标准具有可靠性、科学性及实用性。技术分级预测模型具有较好的预测准确度,能为中医护理技术的分级评定提供科学依据。

基于随机森林和XGBoost算法构建心脏骤停患者自主循环恢复后神经功能预后不良的风险预测模型

目的 利用机器学习算法构建预测心脏骤停(CA)患者自主循环恢复(ROSC)后神经功能预后不良的预测模型,探索结局相关因子。方法 回顾性收集2016年1月至2024年1月沧州市中心医院收治的CA行心肺复苏(CPR)后ROSC的患者481例为研究对象。收集患者临床资料,根据患者转出重症监护病房(ICU)时的格拉斯哥-匹兹堡脑功能表现分级(CPC)评分,将其分为预后良好组(GNO,n=158)和预后不良组(PNO,n=323)。481例患者按7∶3随机分为训练集(n=338)和测试集(n=143),训练集用于构建模型,测试集用评价模型效能。利用极端梯度提升(XGBoost)和随机森林(RF)两种机器学习算法构建患者神经功能预后不良的预测模型,分别得出影响患者神经功能预后的变量,应用SHAP进行XGBoost模型可解释性分析。将XGBoost和RF算法得出的变量取交集,再将交集变量进行多因素Logistic回归分析,得到差异有统计学意义的变量,进而构建决策树模型。在训练集和测试集上利用受试者工作特征(ROC)曲线和曲线下面积(AUC)评估决策树模型的预测性能。结果 通过XGBoost模型得到与神经功能预后不良相关的变量15个,RF模型得到与神经功能预后不良相关的变量14个,两种模型取交集得到11个与神经功能预后不良相关的交集变量[视神经鞘直径(ONSD)变化率、神经元特异性烯醇化酶(NSE)、入ICU第3天ONSD(ONSD day3)、心脏骤停至心肺复苏(CA-CPR)时间、ROSC时间、急性生理学与慢性健康状况评价Ⅱ(APACHEⅡ)评分、血肌酐、白蛋白、住ICU时间、血乳酸及年龄]。将这11个交集变量进行多因素Logistic回归分析,结果显示,PNO组与GNO组ONSD变化率、NSE、ONSD day3、ROSC时间及年龄这5个变量差异有统计学意义(P<0.05)。用这5个重要变量构建决策树模型,得出3个与患者神经功能预后不良最相关的变量(NSE、ROSC时间及ONSD变化率),在训练集上的决策树模型预测CA行CPR后ROSC患者神经功能预后不良的AUC为0.857(95%CI 0.809~0.903,P<0.001),在测试集上的AUC为0.834 (95%CI 0.761~0.906,P<0.001)。结论 基于XGBoost和RF这2种机器学习方法构建的决策树模型能够更准确地评估CA患者ROSC后神经功能的不良预后,且评价指标可能简化为NSE、ROSC时间及ONSD变化率。

脊髓损伤病人膀胱功能障碍风险预测模型及其应用

目的:构建脊髓损伤病人膀胱功能障碍风险预测模型,并进行效果检验。方法:采用便利抽样法将2021年1月—2022年12月110例脊髓损伤病人纳为研究对象,按照是否发生膀胱功能障碍分为障碍组和正常组,采用单因素、多因素Logistic回归分析筛选脊髓损伤病人膀胱功能障碍的独立危险因素,据此拟合风险预测模型的回归方程,检验模型预测效果。结果:共29例(26.36%)脊髓损伤病人发生膀胱功能障碍;多因素分析结果显示,病程、损伤部位、排尿方式、泌尿系统感染、膀胱顺应性、逼尿肌括约肌失调为脊髓损伤病人膀胱功能障碍的独立影响因素(P<0.05);预测模型Hosmer-Lemeshow卡方检验结果显示,χ^(2)=8.203,P=0.336;C-index为0.818;AUC为0.794[95%CI(0.750,0.837)],约登指数为0.690,最佳截断值0.122,敏感度为94.4%,特异性为74.6%;模型预测准确率为81.81%。结论:本研究在脊髓损伤病人膀胱功能障碍的危险因素基础上,建立的风险预测模型具有良好拟合程度和区分能力,且准确度较高,能为临床早期预防、早期筛选、早期治疗和管理脊髓损伤病人膀胱功能障碍提供一定依据。

碳青霉烯类耐药肺炎克雷伯菌致血流感染风险预测模型的构建

目的构建碳青霉烯类耐药肺炎克雷伯菌(CRKP)致血流感染(BSI)风险预测模型。方法回顾性分析秦皇岛市第一医院2019年1月-2022年6月253例肺炎克雷伯菌致BSI患者的临床资料,将2019年1月-2021年12月收治的患者(223例)作为模型组,2022年1-6月收治的患者(30例)作为验证组。根据是否检出CRKP将模型组患者分为CRKP亚组(56例)和碳青霉烯类敏感肺炎克雷伯菌(CSKP)亚组(167例),对两亚组患者性别、年龄、合并基础疾病等基本信息进行单因素分析和多因素Logistic分析,筛选CRKP致BSI的独立危险因素并构建风险预测模型;以验证组患者为对象,对所建模型进行验证。结果患者入住重症监护病房(ICU)、使用免疫抑制剂和经验性抗感染治疗中使用碳青霉烯类抗菌药物、抗革兰氏阳性球菌药物是CRKP致BSI的独立危险因素(比值比分别为3.749、3.074、2.909、9.419,95%置信区间分别为1.639~8.572、1.292~7.312、1.180~7.717、2.877~30.840,P<0.05);所建风险预测模型的P值为0.365,模型受试者工作特征曲线的曲线下面积(AUC)为0.848(95%置信区间为0.779~0.916,P<0.001),分值临界值为6.5。用于验证组患者时,模型预测的总体准确率为86.67%,其生存曲线的AUC为0.926(95%置信区间为0.809~1.000,P<0.001)。结论患者入住ICU、使用免疫抑制剂和经验性抗感染治疗中使用碳青霉烯类抗菌药物、抗革兰氏阳性球菌药物是CRKP致BSI的独立危险因素;基于上述因素所建的CRKP致BSI风险预测模型的预测准确性良好。