含偶氮H酸结构的红色偶氮活性染料的合成及其光稳定性研究

为了解决红色墨水染料耐光色牢度差问题,选择含偶氮H酸结构的红色墨水染料作为发色体,以C.I.活性红1为原料,与芳胺化合物缩合,合成含有不同光稳定片段的红色偶氮活性染料D1、D2、D3,采用质谱、红外光谱、紫外-可见光谱、核磁共振氢谱对合成染料进行表征。以结构相近的墨水染料C.I.活性红24∶1作为参照,分析合成染料的固色率、光致褪色率以及色牢度。结果表明：在C.I活性红1的分子结构中引入不同的光稳定片段后,含受阻胺光稳定片段染料D1的固色率降低,光致褪色率以及色牢度无明显变化;含苯并三唑紫外线吸收片段染料D2的固色率上升,光致褪色率和色牢度无明显变化;含氰基苯片段的染料D3的性能优异,固色率及耐光色牢度均有提升,光致褪色率降低。与常用红色活性墨水染料C.I.活性红24∶1相比,染料D3固色率接近,且耐光色牢度提高了1级。在染料结构中引入对UVB区域紫外线有强吸收的紫外线吸收片段更有利于提升染料耐光色牢度,对染料耐晒色牢度的提升有较好的应用价值。     

基于YOLOv5的服装熨烫目标检测算法研究

针对服装熨烫行业中熨烫目标分类模糊、人工方式导致检测不准确且效率低的问题，本文将YOLOv5算法运用到服装行业熨烫目标检测中，将常见的熨烫目标分为裤兜、缝线及褶皱，建立对应的数据集并标注。同时，通过数据集训练YOLOv5算法模型，对模型进行评价和测试，得到模型准确率达98%,召回率达97%,平均精度均值达95%。同时，选择200张熨烫目标图像，对模型进行测试实验。实验结果表明，该模型对裤兜、缝线和褶皱的识别率分别为100%,96%和95%,检测置信度为0.82～0.97,检测效果较好，满足实验要求，实现了常见服装熨烫目标的识别、分类及定位。该研究提升了服装熨烫行业的生产效率。     

嘧啶类CDK1激酶抑制剂的三维定量构效关系

1型细胞周期蛋白依赖性激酶(cyclin-dependent kinase 1,CDK1)在人体内是有效的抗癌作用靶标.使用三维定量构效关系研究方法,包括比较分子场分析法(comparative molecular field analysis,CoM-FA)和比较分子相似性指数分析法(comparative molecular similarity indices analysis,CoMSIA),分析23个CDK1激酶抑制剂的分子结构与生物活性之间的定量关系.相对其他类型电荷,当训练集加载Gasteiger-Huckel电荷时,CoMFA获得一个最优的三维定量构效关系模型,其交叉验证系数q2为0.668,非交叉验证相关系数R2为0.941,表明模型具有较好的预测能力.使用测试集交叉验证说明该模型稳定可靠,模型中立体场贡献率为69.8%,静电场贡献率为30.2%.     

天然染料的日晒色牢度评价及影响因素分析

针对天然染料耐日晒色牢度的问题选取了8种天然染料对真丝织物和纯棉织物进行染色后的日晒实验,并对其测试结果ΔE值进行了分析.结果表明:从染色样品日晒前后ΔE值看,多个染料的日晒曲线呈现日晒初期褪色速率快、日晒后期其褪色速率又再次加快的典型"S"型趋势;栀子黄染料对真丝织物染色试样的耐日晒色牢度远优于纯棉织物;石榴皮染料对棉织物染色的耐日晒色牢度远优于真丝织物,因此,同种染料在不同织物上的耐日晒色牢度不同;栀子蓝和高粱红无论对棉或真丝织物均表现出较差的耐日晒色牢度,与染料的结构有关;一般而言,随着染料浓度的增大,其日晒色牢度相应提高.     

水溶性阴离子偶氮染料的非均相Fenton氧化降解性能的QSPR研究

为了更好地理解偶氮染料结构与降解性能之间的关系,将改性聚丙烯腈(PAN)纤维铁配合物作为非均相Fenton反应催化剂应用于28种典型水溶性阴离子偶氮染料氧化降解反应中,使用多元线性回归方法分别考察了其分子结构与脱色率和总有机碳(TOC)去除率之间的定量关系,并使用所建立的QSPR(结构与性能之间的定量关系)模型方程预测了同类染料的降解性能.结果表明,改性PAN纤维铁配合物存在时不同结构偶氮染料均能够发生氧化脱色和矿化反应.染料分子量与分子中磺酸基数目的比值(MW/S)、分子中偶氮基数目、芳香环数目和无机性值与有机性值的比值等4个分子结构描述符与其脱色率或TOC去除率之间存在着较好的线性相关性.其中MW/S值和偶氮基数目是染料脱色率的显著影响因素,并且与其呈负相关性.而偶氮基数目和芳香环数目则是TOC去除率的显著影响因素,分别与其呈负相关性和正相关性.所建立的QSPR模型方程具有良好的稳健性,用于同类染料脱色率和TOC去除率预测的相对误差以及预测值和实验值的相关系数都是可接受的.     

基于SVM灵敏度的城市交通事故严重程度影响因素分析

基于某中小城市4881起交通事故现场数据,构建了基于"道路交通事故信息系统"事故数据的特征变量集;以一般事故、严重事故作为二分类标签,建立事故严重程度支持向量机(SVM)分类识别模型,并分别通过网格搜索法、遗传算法进行模型核参数寻优;最后,通过单因素局部灵敏度分析方法,研究各个特征变量对模型测试集分类精度的影响,进一步确定事故严重程度的核心影响因素。结果表明:SVM模型在训练集和测试集上的分类精度均在80%左右,表现出良好的分类识别效果和泛化能力;事故属性、车辆属性中有8个特征变量,显著影响SVM模型的分类精度。     

GA-LSTM模型在高速公路交通流预测中的应用

为提高高速公路交通流预测精度,为高速公路管理部门动态控制诱导提供有效支撑,以实时交通流预测误差最小为目标,通过对高速公路数据的清洗和归一处理,分为4个不同时间间隔的数据集,按比例划分为训练数据集和测试数据集.采用遗传算法(GA)对数据时间窗步长、长短期记忆(LSTM)神经网络的隐藏层数、训练次数、dropout进行优化调参,分析4种参数对模型寻优影响,GA-LSTM模型在keras中以Tensorflow为后台进行训练拟合.结果表明:GA-LSTM模型寻优速度快,同传统预测算法中的SVM、KNN、BP和LSTM神经网络相比较,GA-LSTM对数据预测均方误差和均方根误差最小,模型表现出更好的预测性能.     

基于ADAFSA-BP的概率积分法预计参数研究

在研究人工鱼群算法缺点的基础上,为了提高概率积分法预计参数的准确性,提出改进鱼群算法(ADAFSA),建立ADAFSA-BP预计模型.以我国40个工作面的地质采矿条件为训练集和测试集,将ADAFSA-BP模型与BP模型、GA-BP模型进行对比分析.结果表明:ADAFSA-BP模型对参数的预测平均相对误差均低于10％,满足精度要求,同时在小数据量学习方面ADAFSA-BP模型优于B P模型和GA-B P模型.     

基于改进LSSVM的节假日高速公路行程时间预测

节假日高速公路交通量突增,导致路段行程时间不确定增加,严重扰乱人们的出行安排,因此有效的行程时间预测至为关键。首先对历史数据集按照节假日行程时间的分布规律进行分类,使得子数据集和特征向量之间的关系,与预测时段行程时间和特征向量之间的关系更加相似。然后对LSSVM (Least Squares Support Vector Machines)模型进行改进,通过构造混合核函数,降低了模型计算复杂度;对PSO优化算法进行改进,解决了标准PSO算法搜索精度低,容易陷入局部极值的缺点。最后使用改进LSSVM模型对不同数据集进行训练,完成行程时间的预测。研究表明:(1)对历史数据集的分类,提高了模型预测的准确性;(2)与传统模型相比,改进后的模型训练速度更快,预测精度更高。     

混合采样与遗传算法相结合的垃圾网页检测

垃圾网页检测存在数据不平衡、特征空间维度较高的问题,为此,提出一种基于随机混合采样和遗传算法的集成分类算法.首先,使用随机混合采样技术,通过随机抽样,减少多数类样本数量,用少数类样本合成过采样技术方法生成少数类样本,获得多个平衡的训练数据子集;然后使用改进的遗传算法对训练数据集进行降维,得到多个具有最优特征的训练数据子集;使用极端梯度算法（XGBoost）作为分类器,训练多个平衡数据子集,用简单投票法对多个分类器进行集成,得到新的分类器;最后对测试集进行预测,得到最终预测结果.实验结果表明,提出算法的分类结果与XGBoost的结果相比,准确率提高了约19.25%,且减少了建立学习模型的时间,提高了分类性能,是一种较好的分类算法.     

喹唑啉衍生物抗胃癌活性的CoMFA模型

基于比较分子力场分析(CoMFA)方法建立23种喹唑啉衍生物抗胃癌活性(pM_G)的三维定量构效关系(3D-QSAR).训练集中20个化合物用于建立预测模型,测试集6个化合物(含16号模板分子及2个新设计的分子)作为模型验证.建立的CoMFA模型的交叉验证系数(Q²)、非交叉验证系数(R²)分别为0.312、0.854,说明所建模型具有较强的稳定性和良好的预测能力.该模型中立体场、静电场贡献率依次为62.6%、37.4%,表明影响抗胃癌活性(pM_G)的主要因素是取代基的疏水性和空间位阻,其次是取代基的库仑力、氢键及配位.基于该研究结果,设计了2个具有较高抗胃癌活性的新化合物.     

基于交叉验证支持向量回归的供热负荷预测

支持向量回归机(Support Vector Regression,SVR)在供热负荷预测中得到了一些研究,然而模型的拟合度和泛化能力依赖于其相关参数的选取,需要足够的先验信息,寻优过程存在难度.针对上述情况,提出采用交叉验证(Cross Validation,CV)的思想对其中的重要参数(惩罚因子C和RBF核函数参数γ)进行网格划分,在训练集中自动寻找最佳参数,从而得到最佳的训练模型,并用该模型对测试集进行回归预测.以某热源数据进行了实验研究,结果表明:该方法能够快速建立预测模型,有效地预测供热负荷,具有较高的拟合度和较强的泛化能力.     

基于优化BP神经网络的TBM性能预测

由于隧道掘进机(tunnel boring machine,TBM)掘进速度与机器参数、岩体参数之间的非线性关系复杂,难以准确预测,为了构建可靠的TBM性能预测模型,分析TBM掘进速度的主要影响因素,提出应用模拟退火算法(SA)和遗传算法(GA)优化BP神经网络的TBM性能预测模型,并使用吉林引松供水工程的TBM数据库对GA-BP模型和SA-BP模型进行训练测试。结果表明,与传统BP神经网络方法相比,优化后的模型预测泛化性更好,且精度明显提高。优化后的BP神经网络能在一定程度上克服易陷入局部最优的缺陷,应用于TBM性能预测具有良好表现。     

锗纤维针织面料的染色

采用分散蓝2BLN染料对锗纤维针织面料进行两浴法染色,探讨载体用量、染液PH、固色温度和固色时间对上染率和K/S值的影响。确定的最优染色工艺为:分散蓝2BLN染料1%(o.w.f),含固量为4%的防泳移剂5g/L,载体用料1.0%,平平加O1.0%(o.w.f),PH为5.0,染色温度85℃,固色温度90℃,上染时间60min,固色时间65 min,浴比1∶25。对染色后织物进行性能测试,结果显示,锗纤维面料的耐洗色牢度、耐汗渍色牢度和耐摩擦色牢度达到4级以上,织物的经纬向顶破强力均有所下降,但能够满足服用要求。     

基于属性关系图正则化特征选择的零样本分类

为挖掘属性学习中属性与特征、属性与属性之间的关系,针对属性学习中存在的所有特征与属性被同等对待,底层特征与属性、属性与属性之间的先验知识被忽略的问题,提出一种基于属性关系图正则化特征选择的零样本分类方法.首先,根据训练样本和类别-属性矩阵计算属性之间的正负相关性,进而构建属性关系图;然后,基于属性关系图,对底层特征进行图正则化特征选择,并将选择后的特征用于直接属性预测(DAP)模型的训练;最后,通过直接属性分类器对测试样本进行零样本分类.AWA数据集上的实验结果表明,在40类训练10类测试的情况下,所提方法获得了0.692 6的属性预测平均AUC值及19.5%的零样本分类精度.     

基于混沌反馈乌燕鸥优化算法的随机配置网络参数优化

为了解决随机配置网络(stochastic configuration network, SCN)隐含层参数的选择与分配会影响其预测精度的问题，提出一种基于混沌反馈乌燕鸥优化算法(chaotic feedback sooty tern optimization algorithm, CFSTOA)的SCN参数优化方法。首先，利用Tent映射、线性因子调节策略、劣势种群反馈原则来改进乌燕鸥优化算法(sooty tern optimization algorithm, STOA),以增强算法的局部搜索能力，得到一种具备更快收敛速度和更高收敛精度的CFSTOA;然后，将CFSTOA用于优化SCN的正则化参数和权重偏差的尺度因子，从而得到最优的隐含层参数；最后，利用10个基准函数和4个标准回归数据集分别对CFSTOA的性能进行了测试。结果表明，CFSTOA具有更快的收敛速度且不易陷入局部最优，可以提高SCN算法的预测精度和训练速度。     

基于深度卷积网络的图像分类算法研究

卷积神经网络在有大量训练数据的基础上,其分类精度已经可以超过支持向量机(SVM)分类精度。将图像分类算法应用于标准数据集CIFAR-10是测试算法性能和精度的一种方法,在此数据集中分别以3k批次和100k批次的数据训练深度卷积网络,可以分别达到70%和80%以上的分类精度。     

基于正演模拟和SVM的瓦斯突出危险区预测

以瓦斯地质基本理论为基础,利用地质和钻井数据建立了含瓦斯煤层的地质和地球物理模型.对所建立的地球物理模型,通过有限差分正演模拟方法获得了正演地震剖面.通过对地震剖面煤层反射波的属性分析,获得了相应的地震属性,在此基础上,运用支持向量机(SVM)方法对瓦斯突出危险区进行了预测.结果表明:运用惩罚参数C=32,y=78.125×10-4的RBF核函数和所建模型对测试样本钻孔数据进行分类预测,预测精度为80%;对随机选择的训练样本数据进行回代预测,预测精度达到90%,为利用叠后地震数据预测瓦斯突出危险区提供了一条新途径.     

GP-MaxEnt模型的蛋白质二级结构预测

针对单序列蛋白质二级结构预测问题,提出了一种基于高斯先验最大熵(GP-MaxEnt)模型的预测方法.该方法根据氨基酸的构象偏好进行特征构造,利用改进迭代缩放算法(ⅡS)训练高斯先验最大熵模型.使用CB513数据集对GP-MaxEnt模型进行了测试分析.试验表明,该方法简单有效,能够获得较好的预测精度.     

EP1受体抗拮剂定量构效关系

为辅助开发高活性EP1受体抗拮剂,探讨和研究EP1受体拮抗活性的关键影响因素,选取103个EP1受体抗拮剂分子作为数据集,采用多元线性回归(MLR)法和主成分分析(PCA)法分析每个分子的254个参数进行模拟建模．结果表明,应用MLR和PCA方法都得到了具有良好预测能力的定量构效关系模型．MLR法所建模型结果为:训练集R2=077,SEE=083,检验集R2=074,SEP=033．PCA所建模型为:训练集R2=072,SEE=045,检验集R2=071,SEP=038．两种方法相比,MLR法所建模型较优,可靠性及预测性强．这些模型及其确定的活性影响参数有助于辅助研发和筛选新型EP1受体抗拮剂．