基于多通道的ICU脑血管疾病死亡风险预测模型

死亡风险预测指根据病人临床体征监测数据来预测未来一段时间的死亡风险。对于ICU病患，通过死亡风险预测可以有针对性地对病人做出临床诊断，以及合理安排有限的医疗资源。基于临床使用的MEWS和Glasgow昏迷评分量表，针对ICU病人临床监测的17项生理参数，提出一种基于多通道的ICU脑血管疾病死亡风险预测模型。引入多通道概念应用于BiLSTM模型，用于突出每个生理参数对死亡风险预测的作用。采用Attention机制用于提高模型预测精度。实验数据来自MIMIC [Ⅲ]数据库，从中提取3?080位脑血管疾病患者的16?260条记录用于此次研究，除了六组超参数实验之外，将所提模型与LSTM、Multichannel-BiLSTM、逻辑回归（logistic regression）和支持向量机（support vector machine, SVM）四种模型进行了对比分析，准确率Accuracy、灵敏度Sensitive、特异性Specificity、AUC-ROC和AUC-PRC作为评价指标，实验结果表明，所提模型性能优于其他模型，AUC值达到94.3%。     

建筑工程技术的经济预测及决策探究

现如今,随着人们生活水平的逐渐提升,对建筑类型、结构、外观及质量等条件的要求越来越高.而建筑工程本身具有周期长、技术类型丰富及施工复杂的特点,除考虑质量因素外,还需对其施工技术成本进行明确的预测和决策及核算,一方面要保障成本在预算范围之内,保质保量地完成施工计划;另一方面通过有效的经济预测和决策,也有利于强化技术优势,进而为提升建筑工程的建设水平提供坚实可靠的保障.主要研究建筑工程技术经济预测和决策的意义与方法.     

机床精度对产品质量的影响

机床在很大程度上决定着一个国家的工业实力,其精度直接影响着工业产品的生产精度。本文在对机床精度产生的原因和机床精度对工业产品精度的影响研究的基础上,探究机床的养护维修工作,并阐述机床的养护维修工作中的注意事项,通过在机床的养护维修工作中加强检查、强化养护维修和零配件及时更换处理,较大程度上解决机床加工精度存在的问题和延长了机床的使用寿命。     

机械加工工艺对零件加工精度的影响及控制探析

介绍了机械加工工艺对零件加工精度的影响因素,提出了调整结合参数、数控技术、温度的控制对策;对此,还需加强施工工艺的进一步完善与创新,从而切实提高零件加工的精度。     

GH4169合金低压涡轮机匣异形环锻件胀形工艺

为了解决低压涡轮机匣异形环锻件轧制成形精度低、余量大、材料利用率低、周期长等问题,采用数值模拟与工艺试验试制相结合的方法,研究了GH4169合金低压涡轮机匣异形环锻件胀形工艺。模拟研究阐明了胀形变形量对低压涡轮机匣轧制成形锻件的应力、应变、温度分布及均匀性的影响规律,综合考虑建议胀形变形量取1.5%较为合理;胀形过程的工艺试制研究表明,通过胀形工艺对轧制成形的GH4169合金低压涡轮机匣异形环锻件进行整形,可显著降低锻件的椭圆度、提高锻件的尺寸精度,减小锻件余量并提高余量均匀性,提高材料利用率,同时可有效提高锻件的力学性能及其均匀性。锻件余量均匀性的提高也可有效减小低压涡轮机匣零件的机加工变形。     

基于图神经网络的网络性能智能预测

传统网络性能预测技术存在网络状态获取不够全面及网络性能评估准确性欠佳等问题，利用图神经网络学习推理网络关系数据的特点，结合捕获的网络全局信息，提出了一种基于图神经网络的网络性能智能预测方法。通过网络系统抽象及网络性能建模，将复杂的网络信息转化为形式化的图数据进行描述，利用图空域卷积处理图网络节点的消息传递过程，实现网络信息之间的关系推理，研究了实现网络性能预测的图神经网络模型，提出了一种能处理流量矩阵、网络拓扑、路由策略、节点配置的图神经网络体系结构，最后通过实验论证了模型能更好地实现包括时延、抖动和丢包率的网络性能的准确预测。     

风力机轴承实时剩余寿命预测新方法

由于传统退化指标对周期性故障冲击缺乏敏感性和鲁棒性,无法实现风力机轴承退化过程的适时跟踪以及剩余寿命的准确预测,提出了基于包络谐噪比(envelope harmonic-to-noise ratio,简称EHNR)和无迹粒子滤波(unscented particle filter,简称UPF)相结合的风力机轴承实时剩余寿命预测方法。首先,通过计算振动信号的EHNR监测轴承的早期退化点,并提取EHNR的趋势特征作为退化指标;其次,以轴承历史数据构建退化模型,利用UPF算法更新模型参数,实现对轴承退化状态的跟踪和预测;最后,使用实际风力机轴承监测数据对所提方法进行验证。结果表明,该方法能适时启动寿命预测机制,有效解决传统粒子滤波算法的粒子退化问题。与常用的支持向量回归模型(support vector regression,简称SVR)、反向传播神经网络(back propagation neural network,简称BPNN)的预测方法相比,具有较高的预测精度,为大型风力机组的健康管理和可靠性评估提供参考依据。     

总变差模型在书画打印宣纸印刷质量预测中的应用

为了建立适用于书画打印宣纸印刷质量的预测模型,本研究测量了14种书画打印宣纸的粗糙度、白度、不透明度、定量、光泽度和针对宣纸特别设定的帘纹深浅以及帘纹疏密度等表面物理参量,并在相同条件下,使用喷墨打印设备输出并测量印品色度值,利用总变差模型构建去除帘纹色差的测定方法,得到与人眼视觉特征相符的色差。运用GRNN广义回归神经网络结合书画打印宣纸表面物理参量与宣纸去帘纹后的色差值,建立预测模型。结果表明,该模型能够在仅测量书画打印宣纸表面物理参量的情况下,便能较为准确地预测书画打印宣纸印刷质量,为书画打印宣纸印刷前的选纸工作提供指导依据。