基于图像处理研究铁尾矿的熔化行为

作为主要成分的SiO2是铁尾矿中最难熔化的部分.通过一组SiO2的熔化时序图像来探究铁尾矿的熔化情况.首先,进行图像预处理,建立质心位置追踪模型和体积估算模型.将灰度图转化为二值图,利用卡尔曼滤波器进行质心追踪和对质心运动轨迹的描述.通过计算二值图中0像素的数量得到面积随时间变化的图像,拟合出熔化过程函数.结合二值图中目标物体的边界信息得到的参数量建立多元线性回归模型.估算颗粒扁平度和物体的体积,熔融速率通过颗粒集合的质量变化函数得出.     

基于依赖最大化和稀疏回归的多标签特征选择

针对基于稀疏回归的多标签特征选择方法中数据的特征和标签之间线性关系假设不成立的问题,提出一种基于依赖最大化和稀疏回归的多标签特征选择方法 (multi-label feature selection with dependence maximization and sparse regression,DMSR)。构建数据的低维子空间,最大化低维空间与数据的标签空间之间的依赖性,使用希尔伯特-施密特独立性准则作为依赖性的计算依据,将数据从特征空间映射到该低维空间,设计一种交替优化的算法对稀疏回归模型进行求解,得到用于特征选择的投影矩阵。在多个不同类型的多标签数据集上的实验结果表明,所提算法的性能优于其它对比算法。     

0?1膨胀负二项回归模型在COVID?19疫情分析中的应用

在公共卫生等应用领域，经常会同时出现零观测值、一观测值较多的情况. 为更好地拟合这类数据，采用0?1膨胀负二项分布及其回归模型进行分析. 在数据扩充基础上，结合Pólya?Gamma潜变量对模型参数进行贝叶斯推断. 最后，对我国湖北省2019冠状病毒病(COVID?19)死亡数据集进行分析. 研究表明，0?1膨胀负二项回归模型能够达到更好的拟合效果.     

基于统计软件R的安全壳泄漏率试验数据有效性分析

安全壳泄漏率计算过程中，最重要的环节是以不同时刻测量数据对时间进行线性回归分析。对回归的显著性检验以及方差分析是评价试验结果有效性的重要手段。本文基于统计软件R对某电厂调试阶段安全壳泄漏率试验的数据进行分析，通过对线性回归模型的独立性、正态性和异方差性检验以及极端样本点的剔除等方式，探讨泄漏率计算前的回归诊断对计算结果可靠性的影响。通过回归诊断的实例分析发现，在安全壳泄漏率计算的数据样本中，可能存在自相关、非正态和异方差性等问题影响回归结果，进而影响泄漏率的最终结果。因此，在计算泄漏率结果时，须通过回归诊断方法评价数据的有效性，对不能通过检验的样本应通过适当方法对最终结果进行修正。      

校园冬季室外热环境研究

对桂林电子科技大学冬季室外不同下垫面区域的环境变量进行测试,并开展问卷调查研究。以平均辐射温度、标准有效温度(SET~*)为评价指标,研究湖边校道、校道、科技楼广场、草地等4种下垫面特征区域的热环境变化情况,研究结果表明:树木、草地、水体能有效降低平均辐射温度,其中树木降温效果最优,水体增湿效果最优,草地在一定程度上能降温增湿,但效果次于树木水体。     

基于广义深度学习的含DG配网故障诊断方法

针对传统故障定位方法难以满足含分布式电源配电网的问题，提出一种基于广义深度学习的故障定位方法。利用广义深度学习在逼近能力和容错性方面的优势，挖掘响应数据与故障位置之间的映射关系，建立含分布式电源配电网故障定位的模型。IEEE34节点仿真结果表明，该方法可有效实现含分布式电源配电网的故障定位，准确率高，速度快，且在信息畸变或缺失时容错性好。     

陕西电网夏季降温负荷与温度相关性研究

以2011—2017年陕西电网8760负荷数据及气象数据为基础，结合陕西电网年、日用电负荷特性，科学合理选取春（秋）工作日、休息日作为基准计算负荷，利用线性和非线性回归分析方法对夏季降温负荷与气温之间的关系进行定性定量分析研究，在此基础上进一步划分温度区间，并对降温负荷展开分析，得出陕西电网夏季降温负荷与气温变化之间的幅值增减函数关系，对于后续基于空调负荷开展用电需求分析预测的研究具有重要意义。     

河南省原发高血压人群新发心脑血管病队列研究

目的:通过回顾性队列研究分析河南省原发高血压人群新发心脑血管病状况和影响因素,为在原发高血压人群中开展心脑血管病的预防和治疗提供依据。方法:以河南省中医药研究院就诊的原发高血压人群为研究对象,建立2001年1月至2010年12月原发高血压人群回顾性队列,完成新发心脑血管病的基线调查。调查内容包括人口学特征、心脑血管相关危险因素、服药及新发心脑血管病情况等信息。以"新发心脑血管病"为结局因变量,运用单因素及多因素Logistic回归进行原发高血压人群新发心脑血管病影响因素的分析。结果:调查符合条件的研究对象4 777例,新发心脑血管病499例,发病率为10.45%。多因素Logistic回归分析显示,原发高血压人群的危险因素包括:年龄较长者,既往收缩压、舒张压高值高者,有心脑血管病家族史者,均易发生心脑血管病。经常吸烟者(OR=2.23,95%CI:1.55~3.22)、偶尔吸烟者(OR=1.67,95%CI:1.10~2.54)、过去吸烟但现在不吸者(OR=2.79,95%CI:2.06~3.78)相比不吸烟者,均易发生心脑血管病。经常饮酒者(OR=0.34,95%CI:0.22~0.53)、偶尔饮酒者(OR=0.58,95%CI:0.42~0.80)相比不饮酒者,均不易发生心脑血管病;经常运动者(OR=0.64,95%CI:0.53~0.79)相比很少运动者,不易发生心脑血管病;睡眠很好者(OR=0.69,95%CI:0.56~0.84)相比睡眠较差者,不易发生心脑血管病;服用钙拮抗剂(OR=0.75,95%CI:0.61~0.93)相比不服用该药者,不易发生心脑血管病。结论:原发高血压人群中年龄大、收缩压和舒张压高值高、有心脑血管家族史、吸烟因素是新发事件的危险因素,应针对危险因素加强高血压人群新发心脑血管病的监测和干预。     

基于近红外光谱技术的马铃薯叶片含水率高效预测

提出了运用近红外光谱技术检测新鲜马铃薯叶片中含水量的方法，并通过预测结果和运算量的对比得出一种高效率的预测方法。采集了900～2100 nm波段范围内110个新鲜马铃薯叶片的光谱反射率信息，经SG（Savitzky-Golay）平滑、多元散射校正（MSC）和标准正态变量变换（SNV）3种预处理后，分别建立偏最小二乘回归（PLSR）模型和BP神经网络模型，再运用回归系数（regression coefficients, RC）法在全波段光谱中提取特征波长，同样经3种预处理后分别建立预测模型。结果表明：在运用光谱全波段信息构建的模型中，经多元散射校正（MSC）预处理建立的BP神经网络模型预测效果最好，预测集决定系数R²为0.9791，均方根误差RMSE为0.3723；在基于特征波长构建的模型中，经SG平滑预处理建立的神经网络模型预测效果最优，预测集决定系数R²为0.9658，均方根误差RMSE为0.4759；验证了特征波段结合BP神经网络建立的模型与全波段建立的模型预测结果相差不大，因而能够极大地减少运算量，提高预测效率。