BIM模型编码可变性检验与自动匹配方法研究

为解决BIM元素变更导致的Web-BIM系统数据库与BIM元素无法匹配的问题,本研究首先根据各类BIM文件的特点,选择Rvt文件作为编辑BIM文件,选择Gltf文件作为Web端加载文件。对BIM模型的编码可变性进行了验证,结果表明对BIM构件尺寸修改、属性修改、位置移动等操作均不会改变构件的编码;若对BIM构件进行删除,该构件会被赋予新的编码,但其他构件的编码均不会被影响。本研究提出一种BIM模型变更前后自动匹配方法,通过建立元素识别和跟踪数据库、元素匹配算法、用户交互及确认、更新质量信息、定期检查等步骤,可以实现BIM模型变更前后Web端与BIM元素的匹配,为建筑项目的管理提供了有力的工具。

基于配对检验的ARIMA模型在我国甲肝发病数预测中的应用

目的:探讨基于配对检验的求和自回归移动平均(autoregressive integrated moving average,ARIMA)模型在我国甲肝发病预测中的应用,提出时间序列模型预测效果评价的新思路与方法。方法:根据2004年1月—2021年12月我国甲肝传染病月发病数建立ARIMA模型,对2022年1—8月的甲肝月发病数进行预测,通过配对t检验和误差分析评估该模型的预测效果。结果:配对t检验结果显示,ARIMA(1,1,0)(0,1,1)12模型预测的甲肝月发病数与实际月发病数差异无统计学意义(P>0.05),说明模型有较好的预测能力,预测结果的相对误差平均值为3.86%,标准差为3.25%。结论:ARIMA乘积季节模型能够较准确地预测我国甲肝的发病趋势;配对检验为时间序列模型预测效果的评价提供了客观评价依据,较好地解决了时间序列模型预测效果的评价问题。

基于不同数据源的数字孪生小流域底板模型精度检验

为解决小流域综合治理规划设计中基础地形数据获取困难等问题,基于合成孔径雷达卫星遥感影像、倾斜摄影影像、光探测测距影像等3种主流遥感数据源,分别建立栖龙湾小流域数字孪生底板模型,进而提取主沟道纵断面、2块梯田样地边界、10个林地样区的郁闭度,与人工解译和实测结果对比进行精度检验,结果表明:以光探测测距影像为数据源的提取精度最高,以倾斜摄影影像为数据源的提取精度次之,以孔径雷达卫星遥感影像为数据源的提取精度最低。鉴于3种数据源小流域底板模型各有优缺点,可根据实际工作需要进行多源数据融合,以改善数字孪生技术在小流域综合治理规划设计中的应用效果。在栖龙湾小流域内选择石坎梯田地块进行合成孔径雷达卫星遥感影像与倾斜摄影影像数据融合、选择科普展览馆进行倾斜摄影影像与光探测测距影像数据融合,均取得良好的效果。

数字经济对城乡融合发展影响研究——基于中介模型的检验

在数字革命背景下,城乡融合发展是中华民族追求共享繁荣、推动社会主义现代化建设的迫切要求。基于2013—2022年安徽省16个地级市的面板数据,探讨数字经济对城乡融合发展的影响,利用熵值法构建城乡融合发展水平指数和数字经济发展水平指数,运用固定效应模型探究数字经济对城乡融合发展的影响。研究结果表明:数字经济的发展对城乡融合起正向作用;中介效应检验发现,信息资源适配是数字经济推动城乡融合发展的重要路径;区域异质性检验表明,不同区域城乡融合发展受数字经济影响程度不同,其中皖北表现最佳、皖南次之、皖中最后。基于上述分析,提出推进农村数字基础设施建设、健全区域协调发展机制、发展数字教育等政策建议。

基于内外场一体化的水面舰艇作战模型检验评估方法

针对水面舰艇作战模型检验验证与评估难题,研究作战模型检验评估需求和内容体系,提出基于内外场一体化的检验评估流程和方法,大样本多维度评价作战模型,提高模型的规范性和质量效能。

基于医学检验大数据的乳腺恶性肿瘤预测模型研究

[目的]基于医学检验大数据,通过机器学习构建乳腺恶性肿瘤预测模型。[方法]收集某综合性三甲医院2016年至2021年所有门诊和住院乳腺恶性肿瘤患者的医学检验数据,并通过大数据技术处理形成机器学习数据源。采用逻辑回归二分类和支持向量机两种算法分别构建乳腺恶性肿瘤预测模型。[结果]逻辑回归二分类预测模型的AUC为0.923,F1-Score为0.875;支持向量机预测模型的AUC为0.957,F1-Score为0.912。[结论]综合评估结果显示,基于医学检验大数据构建的预测模型具有较高准确率,可以有效识别乳腺恶性肿瘤患者。因此,该模型有望成为乳腺恶性肿瘤的一种微创、低成本、快捷有效的筛查手段。

基于检验组学及机器学习的乳腺癌诊断模型研究

目的:以常规临床检验大数据为基础,使用机器学习算法构建乳腺癌诊断模型。以探讨临床检验组学在乳腺癌诊断中的应用价值。方法:采用回顾性研究方法,收集6089例乳腺癌患者及6830例乳腺良性疾病患者临床信息和检验数据。分别运用极限梯度提升、神经网络、支持向量机、随机森林、最近邻算法、逻辑回归、线性判别分析算法、朴素贝叶斯、梯度提升机算法和C5.0决策树等机器学习算法建立乳腺癌诊断模型。采用10折交叉验证进行模型训练,应用准确度、AUC、平均准确度、特异度、灵敏度、阳性预测值、阴性预测值及Kappa值评估各模型性能。结果:从28项常规临床检验指标中筛选出GLU、DBIL、RDW-CV、MONO、TG、ALB、RBC、LYMPH、UREA等9项指标再加上age用于模型构建。通过10种机器学习算法进行模型评估,发现梯度提升机算法相较其它算法具有最优的诊断性能。梯度提升机算法诊断乳腺癌准确度为0.80、AUC为0.80、平均准确度为0.80、特异度为0.77、灵敏度为0.82、阳性预测值为0.78、阴性预测值为0.81、Kappa值为0.59。结论:以常规临床检验数据为基础,使用机器学习算法构建乳腺癌诊断模型,可以为乳腺癌的辅助诊断提供决策支持。

大语言模型在检验医学领域的应用潜力与挑战评估

目的评估ChatGPT-4.0、ERNIE Bot-4.0在检验医学领域的应用表现,探讨其在专业领域内的应用潜力及面临的挑战。方法以全国临床医学检验技术(中级)考试真题作为基准,对比2个模型在检验医学知识掌握和答题一致性方面的表现;通过30个检验医学病例评估模型在检验结果解读和辅助诊断方面的能力。结果在临床医学检验技术测试中,2个模型均通过了60%的合格线。ChatGPT-4.0在答题速度和一致性方面优于ERNIE Bot-4.0,但在答题正确率上明显低于ERNIE Bot-4.0(73.25%vs 80.75%),且ERNIE Bot-4.0正确率高于临床检验人员此项考试的平均正确率78.03%。不同题型正确率分析方面,ERNIE Bot-4.0和ChatGPT-4.0均在实验技术题型中表现最差(66.32%和60.53%),在医学基础知识题型上表现最好,成绩都为86.00%。在病例分析测试中,ERNIE Bot-4.0的各项评分均高于ChatGPT-4.0,两者均在常规病例分析上表现良好,但在复杂病例分析中会发生错误。结论在检验医学领域,2个大语言模型都展现出了一定的应用潜力,特别是在中文环境下,ERNIE Bot-4.0在答题正确率和病例分析能力方面显著优于ChatGPT-4.0,这显示了其在国内应用中的相对优势。不过,2个模型在实验技术知识、复杂病例的分析能力以及结果输出的准确性和一致性方面还有待提升。在现阶段,直接将这类通用型大语言模型应用于临床检验结果解读及辅助诊断仍存在一定风险,这为检验报告的解读提供了新的研究方向。

基于STAMP与模型检验的全自动无人驾驶复杂运营场景安全验证方法

与传统列控系统相比,全自动无人驾驶运营场景更加复杂多变,潜在的危险及致因具有更强的隐蔽性和复杂性,给运营安全带来了新的挑战。针对以上问题,提出一种STAMP(Systems-Theoretic Accident Model and Process)与模型检验相结合的复杂运营场景安全验证方法。首先,基于STAMP理论构建运营场景分层控制结构模型,辨识潜在的不安全控制行为、分析危险致因和安全约束;其次,定义分层控制结构模型与安全状态机模型间的基本转换规则,基于分层控制结构模型、安全约束和转换规则,构建运营场景安全状态机模型;最后,针对提取的安全约束,利用数据流图建立安全属性验证模型,结合模型检验技术,对运营场景安全状态机模型进行形式化验证。以全自动无人驾驶运营场景中列车自动进站停车为例,对方法进行验证分析。结果表明,当STAMP理论提取的安全约束通过了场景安全状态机模型的验证时,表示在该场景中对应的不安全控制行为没有发生且不导致相应危险。该方法结合系统安全分析与形式化建模验证的优势,降低了运营场景建模的难度,构建的运营场景形式化模型满足系统安全约束,可以作为全自动无人驾驶系统安全设计和安全改进的重要基础。

基于近红外光谱一致性检验模型鉴别银杏叶提取物片

目的 利用近红外光谱(NIR)法建立进口药品银杏叶提取物片的一致性检验模型。方法 通过对国外A企业生产的46批银杏叶提取物片进行光谱采集,运用OPUS7.8光谱分析软件对建模光谱图进行二阶导数和矢量归一化预处理,并采用国产不同企业同规格银杏叶片验证模型,建立银杏叶提取物片的近红外一致性检验模型。结果 建立的国外A企业样品近红外一致性模型能鉴别该厂家生产的银杏叶提取物片。结论 利用一致性检验方法,成功建立了国外A企业生产的银杏叶提取物片一致性检验模型,适用于该品牌银杏叶提取物片快速筛查。

0-k膨胀计数回归模型的参数估计与统计检验

0-k膨胀计数回归模型的参数估计与统计检验一直是数据分析的热点问题.借助隐变量重新设定0-k膨胀回归模型,并采用EM算法和Fisher信息矩阵给出参数的点估计和区间估计;基于Wald统计量和LR统计量对0-k膨胀分布是否会退化的现象进行统计检验;以0-k膨胀泊松回归模型为例进行实际应用.研究结果显示,采用EM算法进行参数估计时收敛速度较快且估计结果稳健,不同的0-k膨胀泊松分布对原始数据的拟合效果不同,若将k设定为非膨胀数值可能会导致拟合结果出现偏差.

历史文化名镇游客感知价值测量模型及实证检验——以邯郸市永年区永年广府城为例

以邯郸市永年区永年广府城为研究对象,综合考虑风险感知与文化价值特性,针对历史文化名镇开发符合古镇特征的游客感知价值测量表,探寻古镇类型景区游客感知价值的影响因素。结果表明,历史文化名镇游客感知价值测量表由人居环境价值、服务价值、情感价值、文化认知价值、文化观赏价值、文化产品价值、风险感知和成本感知8个维度27个测量指标构成;文化认知价值、文化产品价值和文化观赏价值是历史文化名镇有别于其他景区共性维度以外的特殊维度;游客在发生公共危机事件时形成的风险感知对历史文化名镇游客感知价值具有显著影响。

PDCA循环模型在开放式医学检验实验室管理中的应用

医学检验实验室因具有标本种类与化学试剂繁多、仪器设备价格昂贵且专业性要求高、生物安全防护要求高的特点,因而对实验室提出了更高的标准和要求。运用PDCA循环理论,通过管理体系的建立(Plan阶段)、管理措施实施(Do阶段)、日常监督检查(Check阶段)、问题整改(Action阶段)4个主要环节,建立以全过程管理为基础的开放式实验室管理体系,培养高职技能型创新人才,确保实验室教学与科研稳定、高效、高质的运行。

固定效应下部分线性变系数面板模型的协方差矩阵检验

面板数据的建模分析一直是计量经济学与统计学的研究热点之一。随着面板数据的深入研究,面板数据固定效应模型得到了广泛应用。关于部分线性时变系数模型的面板数据分析已有很多成果,但大多数假设模型误差是独立同分布的,这一点在实际问题中未必符合。随着高维面板数据的出现,对模型的协方差检验也成了研究的重点。文章基于局部光滑技术和轮廓最小二乘估计方法,研究了模型误差结构的协方差矩阵球形检验和单位矩阵检验问题,并证明了对应的统计量的渐近正态分布和大样本性质。蒙特卡洛模拟进一步说明了检验方法的有效性和稳健性。

中国内地股票市场板块泡沫存在特征与传染机制——基于GSADF检验法与R-Vine Copula模型

面对国内宏观经济下行压力和金融市场超预期等多因素挑战,我国内地股票市场易产生周期性泡沫与金融系统性风险问题。本文基于2011年9月至2023年7月我国部分股指数据,对可能存在的周期性泡沫进行存在性检验,探讨泡沫存在特征与泡沫期起止时间。构建R-Vine Copula模型识别风险传染的核心股指,建立条件结构探究传染相关性与传染机制。研究表明,样本期内股指序列均存在泡沫,情绪循环性和市场联动性是主板市场的股指泡沫的主要特征,创业板泡沫具有季节性和创新关联性。面对信息不对称挤压和羊群杀跌行为,要素之间的局部相互作用使泡沫的形成机制具有自组织性。进一步研究表明,股指风险传播强度在溢出效应影响下与连接层级成反比,呈现出动态相关性和非对称性属性。本文揭示了我国内地股票市场周期性泡沫的存在特征、形成机制和风险传播机理,为促进股票市场健康发展、构建风险监测与防范机制和探索资本市场服务实体经济效能提供了理论依据与经验支撑。

经济增长与居民消费率之间的非线性关系研究——对钱纳里标准模型的再检验

在钱纳里标准模型提出半个多世纪以后,本文基于全球153个国家(地区)1960-2020年的样本数据和2000-2021年国内省级面板数据,再次使用钱纳里设计的计量模型进行实证检验。研究结论表明:除了不同收入水平国家,钱纳里提出的经济增长与消费率之间存在的U型关系在不同人口规模的国家和整体样本中都存在,这一发展规律也适用于分析我国经济增长与居民消费率之间的变化情况。钱纳里模型的主要研究结论可以用于理解与预测我国的经济发展阶段以及居民消费率的变化情况。

模型建构活动的检验与修正

通过种群增长模型和能量流动模型两个案例,展示了如何通过持续的检验和修正来促进模型的逐步发展。强调了在建模过程中需要进行分析、评价和创造性思维等高阶思维活动,并提出了改进教学设计的建议,以促进学生批判性思维和创造性思维的发展。

零食集合店消费者黏性影响因素研究:理论模型与实证检验

本文立足于三角互证的思路,综合质性和量化方法,通过深度访谈和扎根理论,提炼零食集合店消费者黏性及其影响因素细分维度,进一步建立理论模型、开发测量量表进行实证检验。研究发现:零食集合店消费者黏性包含访问黏性和购买黏性2个构面,其影响因素主要可归纳为信任度、依赖度、忠诚度、偏好度4个维度,按影响强度大小依次为信任度>依赖度>忠诚度>偏好度。据此建议:零食集合店需积极关注消费者黏性,持续优化产品质量和服务水平,不断丰富线下零食购物体验,以塑造自身品牌优势。

基于实景三维模型的地形图质量检验方法研究

地形图的质量直接关系到地理信息中各项功能的有效性,在决策制定、自然资源管理和应急响应等方面,地形图提供了基础数据,而其质量直接决定了这些应用的精度和可信度。错误的地形信息可能导致错误的分析结论。地形图的质量会对土地利用规划、灾害风险评估等具有重要意义的决策过程产生深远的影响。因此,地形图的质量对地理信息的应用至关重要,而实景三维模型的应用为提升地形图的质量和真实感提供了新的可能性。深入探讨实景三维模型地形图在地形图中的质量检验方法,专注于地形图的空间精度、拓扑精度、真实感等关键质量特征。通过对多源数据一致性、大规模数据处理、自动化检测与修复等技术挑战的专业阐述,提供全面的视角,以解决实际应用中地形图质量检验的关键问题。

基于高频数据的GARCH模型拟极大指数似然估计的一种portmanteau Q检验

已有研究表明,基于高频数据的GARCH模型的拟极大指数似然估计可以提升估计精度,但鲜有研究就该估计量的性质推导其对应的检验统计量。文章基于高频数据的GARCH拟极大指数似然估计性质,提出一种portmanteau Q检验统计量,通过模拟验证了该检验统计量的理论正确性,并选取沪深300、中证500和上证50等3个指数进行了具体应用。结果显示,在模型充分时,文章提出的检验统计量的分布更近似理论推导的分布,优于基于低频数据的检验统计量结果,且由于包含高频信息,该统计量能更好地捕捉高频残差自相关性;而当低频残差自相关性时,即使相关性较弱,该统计量也能识别模型是否充分,对GARCH模型的阶数识别有一定效果。实证研究也表明,该检验统计量能对高频信息有效利用,具有一定的实用性。