基于多维动态创新模型的大学生创新创业体验系统设计与实现

针对校企合作模式下的大学生创新创业若干关键问题,笔者采用多维动态创新模型(MDMI)从多角度定性分析了大学生创新创业活动过程中存在的问题及发展趋势,采用多因素Logistic回归分析定量分析大学生创新创业机制与多影响因素之间的概率型非线性回归关系。设计并实现了基于多维动态创新模型的大学生创新创业体验系统,系统采用Java EE设计框架和Hadoop开发模式,采用ASP.NET语言实现动态Web网页,采用协同过滤技术和支持向量机(SVM)算法进行创新创业个性化推荐和数据挖掘。系统设计完成后,实际运行表明系统整体运行稳定,对促进大学生创新创业活动的开展具有积极意义。     

水文序列相依变异识别的RIC定阶准则——以自回归模型为例

水文过程相依性是水文变异的主要表现形式之一,应用自回归模型对其进行拟合时合理确定模型阶数是一个难点问题。本文在分析AIC和BIC准则的基础上,提出了一种以原序列与其相依成分的相关系数作为拟合度指标,同时借用信息熵形式的函数式,作为模型不确定性度量指标的自回归模型定阶准则(简称RIC准则)。以AR(1)、AR(2)、AR(3)和AR(4)模型为例进行统计试验,将不同序列长度下该准则的定阶准确率与其他定阶准则进行比较,试验结果表明,RIC准则对于上述模型均具有较好的适应性,且定阶准确率远高于AIC准则,其中对于前三阶模型RIC准则优于BIC准则,但四阶模型略低于BIC准则。RIC准则的优势是可以同时满足模型定阶、相依程度分级与模型检验的需求,将其应用于实测水文序列分析,结果显示,该准则能较准确地识别自回归模型的阶数,且符合提出的"相依有变异而残差无变异的最小阶数"的检验标准。     

胬肉术后复发危险因素Logistic回归分析及复发概率风险预测模型的构建

目的:探讨翼状胬肉切除术后胬肉复发的危险因素并构建复发概率风险预测模型。方法:对翼状胬肉切除联合角膜缘干细胞移植术治疗的72例翼状胬肉患者的临床资料进行回顾性分析,比较未复发组与复发组相关指标的差异,然后对复发可能的相关危险因素进行Logistic回归分析。结果:通过Logistic回归分析:术后CAD(转换)、术后3个月BUT差异有统计学意义(P<0.05),术后CAD(转换)每增加一单位(25°),复发的风险增加2.6倍,术后BUT每增加1秒,复发的风险降低88.6%。根据回归结果建立胬肉复发概率风险预测模型:P=EXP(16.997+0.979*X1-2.167*X2)/[1+EXP(16.997+0.979*X1-2.167*X2)],ROC曲线AUC=0.929,最佳截断点为0.297。结论:术后散光的增加、术后泪膜破裂时间的缩短为翼状胬肉术后复发的危险因素之一,构建的胬肉复发概率风险预测模型对胬肉复发具有一定的预警作用。     

多元线性回归在矿井断层延展长度预测中的应用

依据新汶煤田孙村井田11煤层断层资料,选取断层的走向、倾向、倾角和落差作为影响矿井断层延展长度的主要因素,利用散点图确定了延展长度主要与断层的倾角和落差有关。利用多元线性回归分析建立了11煤层NE-NEE、NW-NWW向断层的延展长度预测模型。实际应用证明,该模型是一种可行方式,可为煤矿经济有效生产提供依据。     

基于弱变异准则的测试用例约简方法

针对为数较多的测试用例增加了回归测试成本的问题，提出一种基于弱变异准则的测试用例约简方法。首先，基于弱变异准则获得测试用例和变异分支关系矩阵；然后，重复约简4种无效测试需求和子集测试用例；最后，结合人工鱼群算法选择当前最优测试用例，并且交替执行简化和测试用例选择操作直至覆盖所有测试需求。该方法针对6个经典程序与贪心算法和HGS算法相比，基于弱变异准则并且不改变或稍微改变变异评分的条件下，约简率分别提高了73.4%和8.2%，且耗时分别降低了25.3%和56.1%。实验结果表明，所提方法在回归测试中可有效约简测试用例，降低测试代价。     

基于改进灰色-多元回归组合预测模型的燃煤电厂智慧水务研究

以某燃煤电厂水务系统为研究对象，对机组运行参数和水量历史数据进行筛选和关联性分析，根据前期水平衡测试结果，结合响应面分析验证，发现机组负荷、蒸发损失系数、浓缩倍率和循环水温升这四个因素能够对全厂供水量产生关键性影响。基于灰色理论和多元非线性回归分析，分别建立各因素的灰色预测模型GM(1, 1)，再将灰色模型预测值作为自变量输入到多元非线性回归方程中，得到了改进灰色-多元非线性回归组合的供水量预测模型，其模型拟合度R²为0.913且与真实值的平均相对误差为6.9%左右，实现了灰色模型和回归模型优势互补，有效地预测该电厂供水量未来变化；而供水量预测是智慧水务建设的关键所在，是水务管理和智能调度的主要依据，也是实现供水管网漏损和仪表故障报警的重要途径。     

基于GRA-GRNN模型的露天金属矿爆破后矿岩界线位移分析

为了避免露天金属矿爆破后导致爆堆边缘矿石品位贫化损失,需要根据最低品位阈值重新计算矿岩边界,而影响矿岩边界发生改变因素众多,需要确定主要影响因素。因此,利用爆堆爆破前地形方向和爆堆地质数据,构建灰色关联-广义回归神经网络模型(GRA-GRNN)分析爆堆矿岩边界变化主要影响因素。首先对爆堆钻孔品位数据使用析取克里金法进行空间插值,并根据矿山工艺最低品位阈值提取爆破前的矿岩边界;其次,将爆破前后的数字DEM模型进行求差,求得爆破后的爆堆数字DEM模型,并构建爆破前后爆堆数字DEM模型空间分布椭圆,从而确定爆堆爆破后的水平形变方向;对影响爆堆爆破后形变的可能因素进行提取,并应用GRA-GRNN模型选取主要影响因素及对其强度进行分析,并将其结果与BP神经网络模型预测结果进行了对比。从实验结果可知,影响爆堆爆破后形变强度排前三的因素为:爆破前地形方向、爆孔排距和列距,强度分别为0.880、0.760和0.755,预测结果优于BP模型。     

基于IFOA-GRNN的电力系统短期负荷预测

考虑到电网负荷与诸多因素有关，设计了一种带有温度、气象、日期类型的广义回归神经网络（GRNN）负荷预测模型。为了提高该模型的预测精度，提出了一种改进果蝇优化算法优化广义回归神经网络（IFOA-GRNN）的方法，即在利用果蝇优化算法（FOA）进入迭代寻优时，通过改进搜索距离优化该算法的性能和稳定性。利用改进的FOA优化GRNN的光滑参数，然后利用训练好的预测模型对甘肃省某地区进行了短期负荷预测，并与FOA-GRNN和误差反向传播神经网络(BPNN)模型结果进行了误差比较。结果表明， IFOA-GRNN具有较高的预测精度，能够满足电力系统短期负荷预测的要求。