基于极限学习机的橡胶配方性能预测

以三元乙丙橡胶(EPDM)胶料配方和天然橡胶(NR)胶料配方为例,将配方中各组分的用量作为输入,硫化橡胶的基本物理机械性能作为输出,建立了基于极限学习机(ELM,extreme learning machine)神经网络的配方性能预测模型,并给出两种配方的预测结果和相对误差。结果表明,ELM神经网络模型能够准确预测出EPDM配方和NR配方硫化橡胶的基本物理机械性能,且平均相对误差在7%以内,具有较高的预测精度。     

监测脑电双频指数预测昏迷患者30日内意识恢复的价值

目的 :分析脑电双频指数(BIS)预测昏迷患者30日内意识恢复的价值。方法 :抽取2015年1月至2018年1月入住我科83例昏迷患者,于停用镇静药物24h后行BIS监测,持续监测2～12 h并记录BIS最大值(BISmax)、BIS最小值(BISmin)及BIS平均值(BISmean)。应用格拉斯哥预后评分(GOS)评估患者昏迷后30 d意识恢复情况及预后,并将GOS评分3～5分者纳入意识恢复组、将GOS评分1～2分者纳入意识未恢复组。比较两组患者BIS波动范围,使用Pearson相关性分析及受试者工作特征曲线(ROC)评估BIS波动范围与患者GOS评分的相关性及其预测患者30 d内意识恢复的价值。结果 :入院后30 d,31例患者意识恢复,52例患者意识未恢复。意识恢复组BISmax、BISmin、BISmean均高于意识未恢复组,差异有统计学意义(P <0.05)。Pearson相关性分析结果,BISmax、BISmin、BISmean与GOS评分均呈正相关(P <0.05)。ROC曲线分析,BISmax预测昏迷患者30 d内意识恢复的辨别力较低,BISmin、BISmean预测昏迷患者30d内意识恢复的辨别力较好(P <0.05)。结论 :BIS值波动范围能够为脑损伤所致昏迷患者30d内意识恢复的预测提供客观、定量参考,临床应用价值值得肯定。     

基于随机森林算法的客户流失模型

针对电信行业流失客户预测的实际需要,比较几种预测模型的优劣,详细介绍随机森林算法的基本原理与模型构建过程,结合电信行业客户的数据特征,通过数据处理与算法调整优化,探索构建基于随机森林算法的客户流失模型,验证模型的实际应用效果。