云南地区GNSS应变率场异常识别方法及地震预测效能评估

利用1999-2020年云南及邻区近300个GNSS测站的观测数据解算获取的速度场为约束,采用克里金插值方法分时段估计了1999-2007年,2009-2014年,2015-2020年三期区域应变率场;通过回溯各个观测时段之后3年内M_(S)≥5.0地震事件,分析区域地壳形变特征与地震事件发生地点之间的相关性,结果表明,绝大部分地震都发生在面应变高梯度带的张压转换区和最大剪应变率沿断层方向的高值区或其边缘。基于上述应变率场异常特征,提出格网地震危险因子算法,建立地震危险区识别模型,通过估计格网最大剪应变率和面应变率风险区划因子,定量提取异常区地震危险指标,结果显示采用数值模型识别出的异常区与地震事件具有较好地对应关系;进一步采用R值评分的方式对应变率场异常区模型识别方法进行地震预测效能量化评估与分析,结果显示3期应变率场预测结果均通过R值评分检测。

基于改进LSTM的数码雷管模组印刷质量预测

由于数码雷管模组印刷过程中生产工艺复杂、强时序性等特点,其质量的精准预测已成为提高产品质量管理水平的关键。基于此提出一种改进长短期记忆(long short-term memory,LSTM)网络的数码雷管模组印刷质量预测模型。首先根据数码雷管模组印刷过程提炼机器运行参数、环境参数与检测参数作为印刷产品质量的原始特征,并对关键检测参数进行时序特征重构以增强特征表达能力;其次基于改进的LSTM网络建立数码雷管模组印刷特征提取框架,采用卷积神经网络提取空间特征避免LSTM挖掘高维印刷特征时隐含关系的不足,通过全局注意力机制自适应学习不同时刻印刷特征对印刷产品质量的贡献度,为LSTM提取的深层时序特征分配不同权值;最后以深层特征作为输入,通过全连接网络实现数码雷管模组印刷产品的质量预测。实验结果表明,相较于BP神经网络、门控循环单元网络、LSTM等预测方法,改进的LSTM网络有效提高了数码雷管模组印刷产品质量的预测精度。

C反应蛋白/白蛋白比值对2型糖尿病合并急性心肌梗死患者远期不良心脑血管事件的预测价值研究

背景急性心肌梗死(AMI)是威胁全球公众健康的主要原因之一。虽然已有相应的再灌注治疗策略,但AMI相关的主要不良心脑血管事件(MACCEs)仍然是全世界人口死亡的原因之一。尤其合并糖尿病的AMI患者,因冠状动脉病变复杂,病变程度严重,尽早发现和判断该部分患者远期预后相对困难,因此寻找相对简便、易获得的实验室指标,有利于为2型糖尿病(T2DM)合并AMI患者经皮冠状动脉介入(PCI)术后MACCEs的预测提供依据。目的探讨血清C反应蛋白(CRP)/白蛋白(Alb)比值(CAR)对T2DM合并AMI患者PCI术后远期MACCEs的预测价值。方法纳入2014—2019年就诊于宁夏医科大学总医院心血管内科1683例T2DM合并AMI患者为研究对象,收集患者的一般临床资料与检查结果。对所有患者进行电话或门诊随访,以全因死亡、非致死性心肌梗死、再发不稳定型心绞痛、非致死性脑卒中、新发心力衰竭或心力衰竭加重再入院、再次血运重建作为MACCEs。根据患者随访期间是否发生MACCEs分为MACCEs组(508例)和非MACCEs组(1175例)。采用单因素及多因素Logistic回归分析探讨T2DM合并AMI患者MACCEs事件的影响因素。采用Kaplan-Meier法绘制患者的生存曲线,生存曲线的比较采用Log-rank检验。采用受试者工作特征(ROC)曲线分析CAR对T2DM合并AMI患者远期发生MACCEs的预测效能,使用净重分类改善指标(NRI)和综合判别指数(IDI)评价CAR对T2DM合并AMI患者预后评估的改善效果。结果1683例患者中508例(30.18%)患者发生MACCEs。多因素Logistic回归分析显示高血压病[OR(95%CI)=1.994(1.142~3.483)]、冠状动脉植入支架长度[OR(95%CI)=1.031(1.002~1.062)]、CRP[OR(95%CI)=0.950(0.915~0.986)]、Alb[OR(95%CI)=0.933(0.880~0.989)]及CAR[OR(95%CI)=5.582(1.705~18.277)]是T2DM合并AMI患者PCI术后发生MACCEs的影响因素(P<0.05)。根据CAR中位表达水平(0.86),将患者分为CAR<0.86组和CAR≥0.86组,Log-rank检验结果显示,CAR≥0.86组MACCEs发生率高于CAR<0.86组(52.68%与22.92%;χ^(2)=65.65,P<0.001)。ROC曲线显示CAR预测T2DM合并AMI患者发生MACCEs的ROC曲线下面积为0.728(95%CI=0.702~0.754),最佳截断值为0.576,灵敏度为0.617,特异度为0.747。在基线模型基础上,与CRP、Alb相比,CAR能明显改善对患者发生MACCEs的预测效果(NRI=0.377,IDI=0.166,C指数=0.690;P<0.05)。结论CAR是T2DM合并AMI患者PCI术后远期MACCEs发生风险的有效预测指标。

基于小波降噪的神经网络盾构泥水分离系统参数预测方法

泥水盾构穿越复合地层时,掘进控制参数和泥水分离系统参数往往出现大幅波动,影响施工安全和掘进效率。为提升施工过程的安全稳定性,实现异常工况预测,依托望京隧道盾构工程,针对地层状况采用筛分、双旋流、离心/压滤固液分离协同控制技术,采集盾构机掘进参数(掘进速度、刀盘转速和总推进力等)和泥水分离系统运行参数(进浆量、进浆密度和进浆黏度等),通过Cook距离离群检测和小波阈值去噪处理提升数据质量;以双旋流分离密度比值、黏度比值等12个参数为输入,排浆量、排浆密度和排浆黏度为输出,建立BP神经网络泥水分离系统参数的预测模型,并选取3个不同地层环段进行预测对比分析。预测结果表明:预测平均绝对误差均在5%以内,该预测模型在复合地层下仍具有较高的准确性。

系统性红斑狼疮并发股骨头坏死危险因素列线图预测模型的建立和验证

背景:股骨头坏死是系统性红斑狼疮患者常见的并发症,若能早期对其发生风险进行预测与验证,将有助于避免或延缓股骨头坏死的发展。目的:分析系统性红斑狼疮患者并发股骨头坏死的危险因素,构建系统性红斑狼疮患者并发股骨头坏死的列线图预测模型并进行验证。方法:回顾性分析2013年1月至2022年12月首次就诊于河南中医药大学第一附属医院的914例系统性红斑狼疮患者的病历资料,根据是否发生股骨头坏死分为发生股骨头坏死组(n=100)和未发生股骨头坏死组(n=814)。采用单因素、LASSO回归和多因素Logistic回归分析筛选和确定系统性红斑狼疮并发股骨头坏死的危险因素。同时将数据集按照7∶3的比例随机分为训练集和测试集,并基于多因素Logistic回归分析结果,构建系统性红斑狼疮并发股骨头坏死的列线图预测模型。同时,使用受试者工作特征曲线、Hosmer-Lemeshow校准曲线和决策曲线对列线图的性能进行评估。结果与结论:①股骨头坏死组与未发生股骨头坏死组患者在系统性红斑狼疮病程、系统性红斑狼疮疾病活动度评分、狼疮性肾炎、呼吸系统受累、胃肠道受累、干燥综合征、骨质疏松、抗核糖核蛋白抗体阳性、补体C3降低、环磷酰胺、吗替麦考酚酯、生物抑制剂、糖皮质激素最大日剂量、糖皮质激素冲击治疗方面差异有显著性意义(P<0.05);②采用LASSO回归分析方法筛选出10个与系统性红斑狼疮并发股骨头坏死风险相关的预测变量,将其纳入多因素Logistic回归分析,结果显示系统性红斑狼疮病程、呼吸系统受累、干燥综合征、骨质疏松、抗核糖核蛋白抗体阳性、环磷酰胺、吗替麦考酚酯、生物抑制剂、糖皮质激素最大日剂量是系统性红斑狼疮患者发生股骨头坏死的独立危险因素(P<0.05);③训练集中预测发生风险的受试者工作特征曲线下面积为0.802(95%CI=0.742-0.862),测试集预测发生股骨头坏死风险受试者工作特征曲线下面积为0.811(95%CI=0.745-0.876);Hosmer-Lemeshow校准曲线拟合度较好(训练集,P=0.447;验证集,P=0.870);决策曲线显示使用列线图预测模型预测系统性红斑狼疮患者发生股骨头坏死的风险是有益的;④月经异常为女性系统性红斑狼疮患者并发股骨头坏死的危险因素之一;⑤此次研究结果提示,系统性红斑狼疮并发股骨头坏死的危险因素是多因素的,同时建立了一个包含9个危险因素的列线图预测模型,可将其用于预测系统性红斑狼疮患者发生股骨头坏死的风险;此外,首次报道了月经异常为女性系统性红斑狼疮并发股骨头坏死的危险因素之一。

构建股骨转子间骨折股骨近端防旋髓内钉内固定失效的风险预测模型

背景:股骨转子间骨折是主要的老年脆性骨折类型,股骨近端防旋髓内钉是首选手术方案,但术后内固定失效的相关因素尚存在争议。目的:通过术前评估患者影像学资料提出一种新的股骨转子间骨折“三柱”分类法,并分析其与术后内固定失效的交互关系,利用数字技术运算开发和验证风险预测模型,便于临床医生术前甄别并干预高风险患者。方法:选择2012年6月和2022年6月佛山市中医院三水医院收治的股骨转子间骨折患者,按照术后是否出现内固定失效结局,分为内固定失效组和内固定维持组。根据患者术前X射线片将股骨近端分为“三柱”:内侧柱、外侧柱及中柱,每柱均有不同的亚组分型。分析“三柱”的形态特征与股骨近端防旋髓内钉内固定术后复位失效的关系,通过先单因素后多因素logistics回归分析,筛选出引起内固定失效的独立风险因素,根据独立风险因素利用R语言软件构建风险预测模型。采用自助法重抽样1000次,使用受试者工作特征曲线下的面积、校准曲线、临床决策曲线评价模型的区分度、校准能力及临床应用价值。通过Youden指数确定预测模型的最佳风险分界值,据此将患者分为高、低风险组,根据模型风险预测能力的准确度来评价其稳定性和外延性。结果与结论:①利用“三柱”分型系统预测骨折术后内固定失效的4个独立风险因素,分别为内侧柱(小转子及股骨距粉碎性骨折)[优势比=5.385,95%CI(1.961,14.782),P=0.001]、中间柱(烟囱型)[优势比=2.893,95%CI(1.167,7.173),P=0.022]、外侧柱(外侧壁厚度<20.5 mm)[优势比=2.804,95%CI(1.078,7.297),P=0.035]及外侧柱(外侧壁骨折)[优势比=4.278,95%CI(1.670,10.959),P=0.012];②构建的风险预测模型表现出良好的区分度和准确度[受试者工作特征曲线下面积=0.852,95%CI(0.837,0.922)],校准曲线显示模型预测风险和实际发生风险有较好的一致性;③临床决策曲线提示风险阈值概率在0.2-0.82范围内时,模型具有较好的临床适用性;风险概率为28%是模型风险分层的最佳阈值,模型在不同风险组别患者的预测性能较好;④此次研究通过“三柱”分型系统构建预测模型计算股骨转子间骨折患者术后内固定失效的风险概率,此方法准确、简便,易于临床应用,可作为一种数字化工具指导临床个性化治疗。

Bootstrap抽样下基于贝叶斯估计的地震人员死亡评估研究

选取1950-2022年中国内地地区历史震例数据信息,以极震区烈度、发震时间及人口密度为主要影响因素,建立三级场景,运用Bootstrap抽样方法对各场景下的历史震例进行扩充,进而采用贝叶斯估计给出不同场景下地震人员死亡变化分布函数,再根据实际情况对此分布函数进行截断分析,以明确地震人员死亡的不确定性变化范围及死亡率区间概率值,最后随机选取历史地震灾害事件验证模型精度。结果表明:①各场景的死亡率均值及95%死亡率区间基本符合在极震区烈度相等并且人口密度条件下夜间死亡率大于白天死亡率的规律;②模型估计死亡人数区间能够较好覆盖实际上报的死亡人数。

中低温岩浆热液型金矿床找矿预测地质模型

我国金矿资源对外依存度长期居高不下,立足国内,寻找并探明一批大型金矿床是一项迫在眉睫的重大任务。中低温岩浆热液型金矿床是我国金的最主要来源,如何寻找其隐伏矿和深部矿成为当前矿产勘查研究的热点。本文以勘查区找矿预测理论为指导,以中低温岩浆热液型金矿床为研究对象,总结了中低温岩浆热液型金矿床地质特征,构建了以成矿地质体、成矿构造和成矿结构面特征和成矿作用特征标志为核心内容的找矿预测地质模型,为该类型金矿床找矿预测提供了新的思路,指导隐伏矿和深部矿金资源勘查取得突破。中低温岩浆热液型金矿床分为中温岩浆热液型金矿床和低温岩浆热液型金矿床两个亚类,广泛发育于陆块区和造山带中,赋矿围岩多种多样,成矿时代广泛,主要集中在中生代。本文厘定了中低温岩浆热液型金矿床成矿地质体为中酸性侵入体,与矿床(体)呈现出空间上相依(1~5km)、时间上相近(10Myr)、成因上相关的内在成生联系和时空配置关系。成矿构造属褶皱、断裂、岩浆侵入复合构造系统;成矿结构面主要有断裂、硅钙面、岩溶构造及岩体侵入接触带、爆破角砾岩体及水压裂隙等;矿化样式受成矿结构面控制,大致可分为四个类型:层状、脉状、块状及其组合而成的复合型。中温岩浆热液型金矿床成矿作用早阶段温度可达450℃左右,形成强度不等的钾长石化、钠长石化或铁白云石化;主成矿阶段成矿温度250℃左右,蚀变主要为硅化、绢云母化、伊利石化,Au和Ag共伴生,同时伴生少量Pb、Zn、Cu等,主要金属矿物为黄铁矿,次为黄铜矿、磁黄铁矿、方铅矿和闪锌矿;而低温岩浆热液型金矿床成矿作用主阶段温度低于250℃,Au和As、Sb共伴生,Ag含量低,常见毒砂和辉锑矿等矿物,成矿作用早阶段蚀变则主要为硅化,有的为次生石英岩化。金的沉淀富集机制包括流体的沸腾、混合和交代等机制。成矿作用中心位于岩体外接触带2~3km和接触带之内,由浅部到深部形成“上脉下层”的二元结构模式,脉状矿体具有侧伏延深规律,在此基础上构建了找矿预测地质模型。在该模型指导下,我们重新厘定了我国重要成矿区带金矿床类型,在深部发现新的矿体样式,拓宽了深部找矿空间,提升了我国重要成矿区带成矿规律的认识水平,带动了我国重要成矿区带金矿找矿新突破。

基于GSABO-BP和Bootstrap的电力负荷区间预测

针对电力负荷序列波动性强、预测精度低的问题,提出一种基于GSABO-BP模型和Bootstrap的电力负荷区间预测方法。首先提出一种改进的减法优化算法(GSABO),在保留减法优化算法(SABO)良好的收敛性基础上,融合黄金正弦算法(Gold-SA)来提升其搜索能力;然后,利用所提方法对BP神经网络的权值和阈值进行寻优,构建GSABO-BP预测模型,对电力负荷进行点预测;最后,采用Bootstrap方法分析电力负荷功率预测误差,结合点预测结果确定输出结果的波动区间。经仿真测试,所提方法寻优能力强、鲁棒性好;且相比于其他算法,该方法的预测精度、区间可靠性、区间宽度等均有显著提升。综合点预测和区间预测效果可知,二者结合有助于准确评估预测误差,具有较高的实际应用价值。

基于Bootstrap方法和LSSVM模型的滑坡位移区间预测

针对滑坡预测中的不确定性和传统点位移预测无法对预测结果的可靠程度进行有效描述这一问题,本文提出了一种区间预测方法,通过Bootstrap方法和最小二乘支持向量机来构建滑坡位移预测模型。并以三峡库区秭归县树坪滑坡为例,选取ZG85监测点在2007年1月—2012年12月期间的位移、降水量及库水位数据进行研究。研究结果表明,滑坡位移区间预测模型相比于传统的确定性点预测模型,能够同时兼顾准确性和可靠性,为滑坡灾害预测提供了一种新思路。

急性缺血性脑卒中预后预测研究的应用进展:以机器学习预测模型为例

急性缺血性脑卒中(AIS)具有高致残率、高病死率及高复发率等特点,给患者及社会造成沉重的负担。随着大数据时代的到来,预测模型在患者的诊治决策、预后管理以及卫生资源配置等方面的应用越来越多,其价值也愈发重要。机器学习方法是预测AIS患者预后的重要方法之一,且已广泛应用。本文以机器学习方法为重点,就AIS预后预测研究的最新进展予以综述,并提出机器学习预测模型目前所面临的问题与挑战,为AIS患者预后结局早期评估与预测在方法上提供新的思路和参考。

双髋关节MRI预测股骨头坏死塌陷风险

背景:MRI是诊断股骨头坏死的金标准,以往基于MRI图像预测股骨头坏死塌陷的方法多需要冠状面、矢状面图像联合评估。然而由于股骨头坏死好发于双侧,临床上大多医院检查时多行双侧髋关节MRI扫描,但双髋扫描仅可查看冠状面及横断面图像,难以获取矢状面图像,从而影响塌陷风险的评估。因此,建立一种应用双髋MRI可获取的图像评估早期股骨头坏死塌陷风险的方法有一定的临床实用价值。目的:建立一种应用双髋关节MRI冠状面与横断面图像评估股骨头坏死塌陷风险的方法。方法:回顾性分析2017年10月至2019年10月在西安交通大学附属红会医院门诊确诊的早期股骨头坏死患者111例(181髋)的病历资料。根据末次随访时股骨头塌陷情况分为2组,其中塌陷组69髋,未塌陷组112髋。在MRI影像系统上测量正中冠状面、横断面或其上下各一个层面图像上的坏死范围角度,以冠状面、横断面上坏死角两角之和作为联合坏死角,并取每髋3种联合坏死角的平均值得到每髋的平均联合坏死角。最后,分析3种联合坏死角及平均联合坏死角与股骨头坏死塌陷的相关性,利用受试者工作特征曲线评价4种联合坏死角预测塌陷的特异性与敏感性。结果与结论:①末次随访69髋(38.1%)发生股骨头塌陷,纳入塌陷组;112髋(61.9%)未发生塌陷进展,纳入非塌陷组;②塌陷组与未塌陷组在ARCO分期方面比较差异有显著性意义(P<0.001);在年龄、体质量指数、随访时间、性别分布、发病侧别、致病因素等方面比较差异均无显著性意义(P>0.05);③独立样本t检验结果提示,4种联合坏死角均与塌陷显著相关(P<0.0001);且ARCOⅠ期、Ⅱ期中塌陷组与未塌陷组患者的联合坏死角相比差异均有显著性意义(P<0.0001);④在受试者工作特征分析中,平均联合坏死角曲线下面积大于正中下一层面、正中层面、正中上一层面上的联合坏死角;⑤平均联合坏死角塌陷预测准确度高于正中下一层面、正中层面、正中上一层面上的联合坏死角;⑥提示平均联合坏死角对股骨头坏死塌陷风险的预测精准度较高,临床实用性较强,可考虑使用该方法对股骨头坏死塌陷风险进行预测。

基于前馈非线性模型预测控制的类车机器人路径跟踪

类车机器人由于零件标准化程度低,侧偏刚度等轮胎力学参数难以准确获得,存在动力学建模十分困难的问题,因此现有研究工作通常以运动学模型作为类车机器人的控制模型,但由于其运动学模型存在模型失配,导致类车机器人与参考路径之间的误差、类车机器人的前轮转角和前轮转角速度出现剧烈振荡现象.针对前述问题,本文基于非线性模型预测控制(Nonlinear model predictive control,NMPC)的滚动优化原理,引入基于逆运动学模型的前馈转角信息,将前轮转向角作为预测模型的第四维,提出了一种基于前馈非线性模型预测控制(Feedforward NMPC,FNMPC)的类车机器人路径跟踪控制算法.并通过Simulink和CarSim进行了联合仿真,结果表明FNMPC有效减小了模型失配导致的振荡现象,同时具有较高的跟踪精度.其中前馈非线性模型预测控制器的位移误差幅值不超过0.1106 m,航向误差幅值不超过0.1253 rad.在相同工况下,线性模型预测控制、前馈线性模型预测控制、纯跟踪控制和Stanley控制误差发散,而本文提出的FNMPC相比已有NMPC跟踪精度更高,且控制增量绝对累计值相比NMPC控制器减小67.53%.通过线控类车机器人底盘作为实验平台完成的测试结果表明,NMPC系统在进入弯道时出现控制失控现象,在相同工况下,FNMPC系统能够有效完成对参考路径的跟踪,同时将位移误差幅值控制在0.1624 m以内,航向误差幅值控制在0.1138 rad以内.

“双碳”背景下福州市能源足迹趋势分析及预测

基于生态足迹和碳足迹理论,提出能源足迹的概念与计算方法。以福州市为例,分别按能源种类和工业行业计算了该市2011-2020年能源足迹及其强度,对这10年能源足迹变化趋势做了分析,运用STIRPAT模型及岭回归分析方法进行了预测,并按照高速和基准两个情景对能源足迹分别进行了分析和预测。研究表明,福州市2011-2020年能源足迹呈现波动下降又回升趋势,能源足迹强度则整体呈现下降趋势,能源结构不断优化;福州市要实现2030年碳达峰情景,能源足迹强度每年需降低4.1062%(按研究期的水平)。福州市应继续坚持生态城市和数字城市的发展目标,从能源种类上看应该大力发展风能、水利、天然气、太阳能、核电等可再生能源;从工业结构上则要做强计算机、通信和其他电子设备制造业。本研究对于城市产业结构优化、碳排放目标实现均有一定的理论参考价值和现实意义。

机器学习预测肱骨近端骨折钢板内固定后继发性螺钉切出的风险

背景:继发性螺钉切出关节面是肱骨近端骨折锁定钢板内固定术后的主要并发症之一,切出的螺钉会磨损关节盂和引起肩峰撞击,影响肩关节功能。因此,准确的风险预测有积极的临床意义。目的:通过机器学习方法筛选肱骨近端骨折钢板内固定后继发性螺钉切出的风险因素,开发并验证风险预测模型,便于临床医生早期甄别并干预高风险患者。方法:收集2013年6月至2022年6月接受锁定钢板内固定治疗的214例肱骨近端骨折患者的临床资料作为训练组建立模型,将同一时间段另一医院收治的同类患者61例纳入外部验证组。按照患者术后是否出现继发性螺钉切出,分为螺钉切出组和螺钉维持组。训练组利用随机森林、支持向量机、逻辑回归3种机器学习算法构建预测模型;采用递归特征消除法、10折交叉验证重抽样作为变量的筛选方法,并将3种模型准确度最高时纳入变量的交集作为与螺钉切出高度相关的可靠风险变量。通过R语言软件构建动态预测模型,以网页计算器形式展示,并对模型进行内、外部验证。模型内部检验采用Bootstrap法重抽样1000次,使用受试者工作特征曲线下面积、校准曲线、临床决策曲线评价模型的区分度、校准能力及临床应用价值。通过Youden指数确定预测模型的最佳风险分界值,据此将外部验证组患者分为高、低风险组,根据模型风险预测能力的准确度来评价其稳定性和外延性。结果与结论:①机器学习算法筛选出继发性螺钉切出高度相关的4个风险变量,分别为肱骨近端内侧柱皮质支撑、三角肌结节指数、骨折类型及术后复位情况;②构建的风险预测模型表现出良好的区分度和准确度[曲线下面积=0.874,95%置信区间(0.827,0.922)],校准曲线显示模型预测风险和实际发生风险有较好的一致性;③临床决策曲线提示风险阈值概率在0.1-0.75范围内时,模型具有较好的临床适用性;④风险概率为26%是模型风险分层的最佳阈值,外部验证组利用模型风险分层预测螺钉切出的总正确率为84%;⑤结果说明该风险预测模型准确度和外延性较好,可为指导临床治疗提供依据。

基于预测误差法的无人机安全控制器设计

具备安全性的无人机控制器是保障无人机作战完整性的重要因素之一,该控制器能够在安全的界限范围内控制无人机的飞行性能。针对无人机的安全控制器的设计问题,首先,对无人机的闭环控制系统进行分析,并采用非参数预测误差估计的方法对闭环控制系统中的执行机构模块进行辨识,以证明辨识得到的模型与实际模型无偏;其次,阐明了无人机安全性的含义,并在闭环控制系统的辨识模型的基础上,对无人机的安全控制器进行了设计;最后,以无人机飞行姿态角中的俯仰通道为例,对安全控制器性能进行了仿真验证。实验结果证明了无人机安全控制器的有效性,能够将无人机的飞行性能控制在安全范围内,为飞行安全提供保障。

CT衍生的血流储备分数对梗阻性冠状动脉疾病患者主要不良心血管事件的预测价值研究

背景目前,血流储备分数(FFR)是评估冠状动脉血流的功能和生理学的金标准,与之相比,CT衍生的血流储备分数(CT-FFR)反映冠状动脉病变处血流动力学改变,以及在区分病变特异性缺血方面,均有较高的诊断性能和鉴别能力。目的评价CT-FFR对冠状动脉梗阻性稳定性胸痛患者发生MACE的预测价值。方法本研究纳入2017年1月—2021年6月在宁夏医科大学总医院因稳定性胸痛行冠状动脉CT血管造影(CCTA)检查的患者116例为研究对象,中位随访时间2(0,25)个月。按照随访期内是否发生主要不良心血管事件(MACE)将研究对象分为MACE组(55例)和非MACE组(61例)。比较两组间冠状动脉管腔狭窄程度和CT-FFR之间差异性;再分别根据狭窄程度及CT-FFR中位数将患者分类,比较不同分类患者MACE总发生率和随访<3个月、3~6个月、>6个月MACE的发生率。采用Spearman秩相关分析探讨冠状动脉管腔狭窄程度与CT-FFR之间的相关性;采用多因素Logistic回归分析探讨患者发生MACE的影响因素;绘制狭窄程度、CT-FFR及二者结合后预测冠状动脉梗阻性稳定性胸痛患者发生MACE的受试者工作特征(ROC)曲线,并依据ROC曲线下面积(AUC)比较不同指标的预测性能。结果116例患者冠状动脉管腔狭窄程度中位数为70%(60%,80%),中位CT-FFR为0.79(0.74,0.85)。MACE组患者冠状动脉管腔狭窄程度高于非MACE组(Z=-4.41,P<0.001),CT-FFR低于非MACE组(Z=-5.54,P<0.001)。冠状动脉管腔狭窄程度70%~90%患者MACE发生率高于50%~69%患者(χ^(2)=19.221,P<0.001);CTFFR≤0.8患者MACE发生率高于CT-FFR>0.8患者(χ^(2)=30.025,P<0.001);不同冠状动脉管腔狭窄程度联合不同CT-FFR患者MACE发生率比较,差异有统计学意义(χ^(2)=37.789,P<0.001)。冠状动脉管腔狭窄程度70%~90%患者随访时间<3个月MACE发生率高于50%~69%患者,CT-FFR≤0.8患者随访时间<3个月MACE发生率高于CT-FFR>0.8患者,狭窄程度70%~90%+CT-FFR≤0.8的患者随访时间<3个月MACE发生率高于其他分类(P<0.05)。Spearman秩相关分析结果显示,冠状动脉管腔狭窄程度与CT-FFR呈负相关(rs=-0.5326,P<0.001)。多因素Logistic回归分析结果显示,冠状动脉管腔狭窄程度70%~90%(OR=3.085,95%CI=1.147~8.298,P=0.026)、CT-FFR≤0.8(OR=6.527,95%CI=2.560~16.641,P<0.001)是患者发生MACE的危险因素。冠状动脉管腔狭窄程度联合CT-FFR预测患者发生MACE的价值更高(AUC=0.812,95%CI=0.731~0.892,P<0.001)。结论冠状动脉管腔狭窄程度70%~90%、CT-FFR≤0.8可能是患者发生MACE的危险因素。与狭窄程度相比,CT-FFR对预测冠状动脉阻塞性稳定性胸痛患者发生MACE具有增益价值,狭窄程度与CT-FFR结合后的预测性能更佳。

基于无监督深度领域对抗适配的在线剩余寿命预测方法

为解决未知工况下旋转设备在线剩余寿命(remaining useful life,RUL)预测时计算代价大和误差累积问题,提出一种基于无监督深度领域对抗适配的在线RUL预测方法。首先,利用离线退化数据和在线早期故障数据,构建深度领域对抗网络作为预训练模型。其次,将在线贯序数据块输入预训练模型的回归预测器中重新领域适配,得到在线伪标签。最后,将预训练模型的结构和参数迁移到目标域模型,冻结目标域模型的部分参数,并利用在线数据块和伪标签对目标域模型剩余参数进行微调,实现在线数据的RUL动态预测。在IEEE PHM Challenge 2012轴承数据集上进行实验,结果表明,所提方法可以贯序、准确地预测在线轴承RUL值,为在线场景下的轴承RUL预测提供了一种实用化的解决方案。

1990—2021年中国归因于饮食因素的缺血性心脏病疾病负担变化趋势及预测研究

背景缺血性心脏病(IHD)是导致中国居民疾病负担的第二大原因,饮食因素干预被认为是减少疾病负担有效及可行的措施。目的分析1990—2021年中国归因于饮食因素的IHD疾病负担变化及未来变化趋势,以期为中国IHD的饮食防治提供参考。方法提取2021年全球疾病负担(GBD 2021)数据库中1990—2021年中国、全球、不同社会人口指数(SDI)地区的归因于饮食因素的IHD疾病负担相关数据,应用Joinpoint模型计算年度变化百分比(APC)及平均年度变化百分比(AAPC),分析1990—2021年中国、全球、不同SDI地区归因于饮食因素的IHD疾病负担,中国不同性别、年龄人群归因于饮食因素的IHD疾病负担以及归因于不同类型饮食因素的IHD疾病负担。利用贝叶斯年龄时期队列(BAPC)模型预测2022—2031年中国归因于饮食因素的IHD标化死亡率、标化伤残调整寿命年(DALY)率变化趋势。结果2021年中国归因于饮食因素的IHD标化死亡率为44.26/10万、标化DALY率为820.87/10万,与全球水平接近,高于高SDI地区,低于其余4类SDI地区。1990—2021年中国归因于饮食因素的IHD标化死亡率(AAPC=-0.17%,P<0.001)、标化DALY率(AAPC=-0.50%,P<0.001)与全球及五类SDI地区一致,均呈现下降趋势,全球下降幅度明显高于中国,高SDI地区下降速度最快。1990年与2021年中国男性归因于饮食因素的IHD疾病负担均高于女性;1990—2021年中国男性归因于饮食因素的IHD标化死亡率(AAPC=0.25%,P<0.001)呈上升趋势,女性标化死亡率(AAPC=-0.71%,P<0.001)、标化DALY率(AAPC=-1.23%,P<0.001)均呈下降趋势。1990与2021年中国归因于饮食因素的IHD疾病负担随着年龄增长呈上升趋势,≥70岁人群的死亡率、DALY率最高;1990—2021年50~69岁人群死亡率、DALY率呈下降趋势,而15~49岁、≥70岁人群呈上升趋势(P<0.001)。1990年与2021年归因于13种饮食因素的IHD标化死亡率、标化DALY率排名前两位的饮食因素均是钠摄入过量、全谷物摄入不足;1990—2021年标化死亡率、标化DALY率上升趋势较明显的是含糖饮料摄入过量、加工肉摄入过量、红肉摄入过量。BAPC模型显示,未来10年中国归因于饮食因素的IHD标化死亡率,标化DALY率均呈下降趋势。结论1990—2021年中国归因于饮食因素的IHD标化死亡率、标化DALY率均呈下降趋势,但下降速度与高SDI地区相比差距较大,男性和老年人群负担较重,因此仍需重视IHD的饮食防控策略,加强宣传健康的膳食模式,倡导增加全谷物的摄入,减少钠盐、含糖饮料、加工肉、红肉的摄入,采取针对性措施进行有效干预以减轻其疾病负担。

基于贝叶斯图注意力Transformer的航空发动机剩余使用寿命概率预测

航空发动机作为飞机的心脏,其健康状态对飞机的安全飞行至关重要.深度学习强大的数据挖掘能力,为通过海量历史数据预测航空发动机的剩余使用寿命提供了新方法.然而,传统基于深度学习的方法大都关注于挖掘数据在时间上的关联,而忽略了多个传感器监测数据之间复杂的非欧氏空间关系.此外,少有研究考虑数据或者预测过程本身具有的不确定性,缺乏对预测结果可靠性的评估.为解决上述问题,本文提出了一种基于贝叶斯网络和图注意力Transformer的航空发动机剩余使用寿命概率预测方法.将图注意力机制融入Transformer的时间多头注意力模块,结合图注意力网络在空间特征提取上的优势和Transformer模型在时间特征提取的优势,实现数据特征时空关系的联合提取.同时,利用改进的贝叶斯网络度量预测不确定性,在得到剩余使用寿命预测点值的同时给出相应的置信区间.最后,通过在公开航空发动机数据集上的实验,证明了所提模型的有效性和先进性.