新型噻唑-２-乙胺类ＨＡＴ抑制剂的ＱＳＡＲ研究

采用ＶＳＭＶＩ变量筛选方法从大量描述符中筛选最优子集,再由ＭＬＲ回归方法建立了８３个噻唑-２-乙胺类化合物与非洲人类锥虫病（ＨＡＴ）抑制活性之间的二维定量结构－活性相关（２Ｄ-ＱＳＡＲ）模型,最优模型的拟合相关系数（ｒ^２＝０.８８９２）和交叉验证相关系数（ｑ^２＝０.８５７４）表明模型具有良好的稳健性、拟合能力和预测能力。模型的描述符在一定程度上反映了分子的二维结构和疏水性对抑制活性具有重要影响。同时采用基于ＣｏＭＦＡ和ＣｏＭＳＩＡ方法的三维定量结构－活性相关（３Ｄ-ＱＳＡＲ）建立了相关性显著、预测能力强的定量模型（ＣｏＭＦＡ：ｒ^２＝０.９２４,ｑ^２＝０.５１６;ＣｏＭＳＩＡ：ｒ^２ ＝０.９４４,ｑ^２ ＝０.５３１）,其中ＣｏＭＳＩＡ的疏水场贡献率最高,说明了分子的疏水作用对抑制活性的重要影响。     

ＩＣＰ_ ＡＥＳ／ＩＣＰ_ ＭＳ联合测定玉竹中多种元素

以玉竹为原料,样品经微波消解后,采用ＩＣＰ^_ ＡＥＳ和ＩＣＰ^_ ＭＳ测定样品中的２３种元素,其中Ｋ含量最高,达８６５２μｇ／ｇ;Ｃａ、Ｍｇ、Ａｌ、Ｆｅ的含量依次为２１５８、６９６、４４４和１９１μｇ／ｇ;Ｐｂ、Ｃｄ、Ｔｌ含量分别为０.７１、０.４３、０.０６３μｇ／ｇ;Ｂｅ含量最少,仅０.０２８μｇ／ｇ。经３个国家一级标准物质分析验证,结果与标准值相符,并且所有元素精密度（ｎ＝１２）在０.５％ ～６.９％。     

基于粒子群优化算法的LS-SVM的GPS高程拟合

在GPS高程拟合中,传统拟合方法存在多数据、过学习、泛化能力弱等缺点,导致拟合结果精度欠缺,为此提出了LS-SVM拟合模型。利用粒子群算法对LS-SVM模型的初始参数进行了优化,通过实测数据对该模型进行了分析。实验结果表明,基于粒子群算法优化的LS-SVM模型较传统单一的二次曲面拟合法、BP神经网络、LS-SVM等模型拟合精度高。     

基于误差校正的能源消费总量预测方法

鉴于能源消费量具有趋势性、非平稳性等特点,而差分自回归移动平均模型（ＡＲＩＭＡ）只能反映能源消费量的部分信息,预测结果不太理想。为了提高预测精度,提出了基于二次误差校正ＡＲＩＭＡ模型的能源消费预测方法：首先采用ＡＲＩＭＡ模型对能源消费总量进行初步预测,然后构建偏最小二乘回归支持向量机模型（ＰＬＳ^_ＳＶＭ）对残差序列数据中未被解释的部分进行分析和拟合,并对未来的残差进行预测。最后利用所得残差预测值对能源消费总量预测值进行校正。对福建省１９７８-２０１２年的能源消费总量数据进行仿真,实验结果表明,与ＡＲＩＭＡ等方法相比,本文提出的方法获得了较好的预测结果,是一种有效的能源消费量预测方法。     

基于ＬＭＢＰ神经网络的无线室内定位方法

无线信号在复杂环境多变的室内传播时,信号传播往往发生反射、多径和障碍物阻挡等,导致信号传播模型参数的变化。由于传统的ＲＳＳＩ的定位误差较大,标准ＢＰ神经网络实现室内定位训练样本时存在目标误差下降速度较慢的问题,本文采用了ＬＭＢＰ算法,使用Ｍａｔｌａｂ软件编写ＬＭＢＰ神经网络算法代码进行性能仿真分析。实验结果显示,ＬＭＢＰ神经网络有效地解决了训练误差收敛速度慢的不足,提高了定位精度。     

基于Ｘ-１３Ａ-Ｓ季节调整方法的铁路客运量预测分析

依据季节调整思想和Ｘ-１３Ａ-Ｓ模型理论,以传统的ＳＡＲＩＭＡ模型对２０００年１月—２０１６年７月观测值进行建模,预测２０１６年８—１２月铁路客运量,同时用Ｘ-１３Ａ-Ｓ模型对数据中可能存在的日历效应进行季节调整,并建模预测。对比ＳＡＲＩＭＡ模型,Ｘ-１３Ａ-Ｓ模型拟合效果更优,更适合我国铁路客运量的预测。之后用Ｘ-１３Ａ-Ｓ技术将所有原始数据重新建模预测,预计２０１７年春运后,４月份会再次出现小高峰,将比春运客流高,８月份铁路客运量达到最大。随着假期的减少,１０月后客运量将下降,２０１８年年初迅速回升,总体呈上升趋势。     

基于ＢＤＳ－ＭＲ的海平面测高技术

利用ＭＡＹＧ站ＢＤＳ和ＧＰＳ的Ｌ１载波高度角小于２０°的ＳＮＲ数据对海平面高度进行反演,并与验潮站实测海平面高度作对比分析,得到在２０１６年年积日第１９６天的ＢＤＳ反演结果与验潮站实测海平面高度的ＭＡＥ优于８ｃｍ;ＢＤＳ在２０１６年第１９１～１９６天的反演结果的ＲＭＳＥ为０.３５７;ＢＤＳ、ＧＰＳ联合反演结果与验潮站实测海平面高度ＲＭＳＥ达到０.２８６,相关系数优于０.８５６,ＢＤＳ能较好实现实时、连续监测海平面高度的变化,ＢＤＳ与ＧＰＳ联合监测海平面高度提升了监测分辨率和精度,ＢＤＳ－ＭＲ进一步拓展了ＧＮＳＳ在海洋遥感领域监测的能力。     

基于 ＰＳＯ－ＳＶＭ精化 ＱＰ模型的短期卫星钟差预报

针对卫星钟差序列的特性,将其视作由趋势项与随机误差项组成的时间序列,提出一种基于 ＰＳＯ －ＳＶＭ精化的二次多项式预报算法：通过 ＱＰ模型建模预报钟差值以提取其趋势项,利用 ＳＶＭ模型对拟 合阶段的残差值建模进行滚动预报,利用预报所得的差值对 ＱＰ模型预报阶段的钟差值进行改进。为克服 ＳＶＭ算法自身参数搜索方法的缺陷,采用 ＰＳＯ算法选择其最优参数。实验结果表明：相较于常用算法,该方法预报精度较高,且改进了 ＱＰ模型预报误差会随时间累积的缺点。     

一种基于ＯｐｅｎＳｔａｃｋ的云计算虚拟机放置策略

针对当前ＯｐｅｎＳｔａｃｋ云平台的虚拟机调度策略未综合考虑服务器能耗、使用数量、计算性能带来的高能耗、服务器数量较多、较高的服务等级协议（ＳＬＡ）违背率的影响,构建了综合这几方面因素的能效优化模型,根据该模型设计了一种基于自适应双策略差分进化算法的虚拟机放置策略。算法包括变异阶段根据种群分组差异选择不同变异策略,增加自适应交叉与变异参数用于提高算法收敛速度,使用综合能效优化模型作为适应度函数评价进化个体。实验仿真表明,本文策略使得ＯｐｅｎＳｔａｃｋ中虚拟机放置具有比其内置算法和ＤＥ、ＰＳＯ算法更低的能耗、更小ＳＬＡ违背率和更少的服务器使用数量。     

采用多搜索模式的粒子群算法

从现实中鸟的搜索方式中得到灵感,提出一种新的变异粒子群算法,称之为采用多搜索模式的粒子群优化算法（ＭＭＰＳＯ）。该算法中的每个粒子使用３种搜索模式在搜索空间中搜索食物,可随时调整其搜索方式。在数值仿真实验中选择了几个比较典型的高维复杂优化问题用来测试算法的性能。结果表明：算法的全局搜索能力和避免粒子陷入局部最优的能力都得到了明显提高,在一定程度上避免了早收敛现象的发生,可用于求解高维复杂函数的优化问题。     

ＳｒＢＰＯ５∶Ｈｏ ３＋ 荧光粉的制备、性能及第一性原理计算

运用高温固相法合成 ＳｒＢＰＯ５∶Ｈｏ ^３＋,用 Ｘ射线衍射仪（ＸＲＤ）、能谱仪（ＥＤＳ）以及荧光光度计（ＰＬ） 对合成产物的结构、组成和发光性质进行了研究。结果表明：少量掺杂 Ｈｏ不会影响基质的晶体结构,Ｈｏ 均匀分布在基质材料中;荧光材料呈现出 Ｈ ^３＋的特征发射,发光区域在绿色区域,当掺杂量为 ０.０３ｍｏｌ 时发射强度最大;掺杂后计算得到 ＳｒＢＰＯ５∶Ｈｏ ^３＋的 ＶＢＭ和 ＣＢＭ之间的带隙值为 ５.５３ｅＶ,相对掺杂前略微减少,且 ＳｒＢＰＯ５∶Ｈｏ ^３＋体系属于直接带隙结构,有利于发光;Ｈｏ的掺杂在费米能级附近引起杂质能级。     

基于多精度模型和粒子群算法的（ｓ，Ｓ）库存优化

目前,针对一般化的（ｓ,Ｓ）库存策略优化,往往采用仿真与启发式算法相结合的方法,计算效率较低。基于次序变换和优化抽样的多精度优化方法,通过引入多精度模型,研究了一类需求时序 相关的（ｓ,Ｓ）库存系统的策略优化问题,提出了两种改进型粒子群优化算法求解该类问题。数值算例结果表明：相较于一般的粒子群优化算法,提出的改进型粒子群优化算法具有明显更高的计算效率。     

基于粒子群算法求解GM(1,1)模型参数的研究

探讨用粒子群优化算法求解GM(1,1)模型参数a,b,将用该参数建立的GM(1,1)模型与最小二乘法建立的GM(1,1)预测模型进行了效果比较.实例验证结果表明:对于较平缓变化数据序列,2种方法建立的GM(1,1)模型拟合还原精度相差不大,粒子群算法稍优;对于非平缓变化数据序列,经粒子群算法优化参数后,模型精度显著高于最小二乘法;灰色关联度分析表明,粒子群算法优化参数建立的GM(1,1)模型拟合序列几何形状上更接近原始序列.     

基于分子电性距离矢量预测有机磷杀虫剂的小鼠毒性

以分子电性距离矢量（ＭＥＤＶ）有效表征２２个有机磷杀虫剂（ＯＰｓ）的分子结构,应用基于预测的变量选择与模型化（ＶＳＭＰ）方法建立ＯＰｓ分子结构与小鼠半致死量（ｐＬＤ_５０）的定量结构－毒性相关（ＱＳＴＲ）模型。模型的相关系数（Ｒ^２）为０.９８１５、估计均方根误差（ＲＭＳＥ）为０.０９,留一法（ＬＯＯ）交叉验证相关系数Ｑ^２为０.９６７５,均方根误差（ＲＭＳＥＶ）为０.１２,说明模型具有良好的稳定性。采用ＬＯＯ交叉验证、留多法（ＬＭＯ）交叉验证、自举法和ｙ 随机化对ＱＳＴＲ模型进行内部验证,结果表明模型具有较好的内部稳健性;外部验证表明模型具有较强的预测能力。因此,ＱＳＴＲ模型可预测有机磷杀虫剂类化合物对小鼠的毒性。     

ＧＮＳＳ超快速网络 ＲＴＫ算法及精度分析

针对 ＧＮＳＳ数据解算流程和 ＧＰＳ／ＢＤＳ／ＧＬＯＮＡＳＳ多系统网络 ＲＴＫ定位算法,利用 Ｃ＃、Ｃ＋＋编程 开发 ＧＮＳＳ超快速网络 ＲＴＫ解算软件,该软件可在短时间内快速解算用户三维坐标。以地形复杂、主要为 山区的广西河池为实验对象,选取广西 ８个 ＣＯＲＳ站作为基准站参与计算,采用超快速解算软件解算 ６个 流动站 ３天不同观测时长的实测数据,并与 ＴＢＣ＋ＣＯＳＡ＿ＧＰＳ软件作对比分析,结果表明：在流动站观测 时长为 ３０ｍｉｎ以内,超快速软件比 ＴＢＣ＋ＣＯＳＡ＿ＧＰＳ软件解算的坐标值与真值符合较好;当流动站观测时 长达到 ４５ｍｉｎ后,超快速软件的解算精度在平面上优于 ±３ｃｍ,高程上优于 ±５ｃｍ,但 ＴＢＣ＋ＣＯＳＡ＿ＧＰＳ软件在各观测时长的解算精度较为稳定。     

基于ＳＳＡ－ＢＰ神经网络的光伏短期功率预测

光伏发电的波动性和随机性导致光伏功率预测精度难以达到理想状态,而提高光伏发电功率的预测精度是抑制光伏并网不利影响的有效途径。为了提高ＢＰ神经网络的预测精度,运用麻雀算法对 ＢＰ神经网络的权阈值进行寻优,提出了一种基于麻雀算法（ＳＳＡ）－ＢＰ神经网络的光伏短期功率预测 方法。首先,在 Ｍａｔｌａｂ中建立ＳＳＡ优化ＢＰ神经网络模型;然后,以某光伏电站的气象数据为输入,在 晴天、阴天和突变天气３种工况下对光伏电站的功率进行预测;最后,将ＳＳＡ 优化ＢＰ神经网络模型 预测结果分别与ＢＰ神经网络预测结果、ＰＳＯ优化ＢＰ神经网络预测结果和光伏电站的实际出力数据进 行对比。结果表明：麻雀算法能够提高ＢＰ神经网络模型的预测精度,实现对光伏短期功率的有效预测。     

基于混合粒子群优化算法的改进Kriging插值法

在简单克里格插值的基础上,利用混合粒子群优化算法对变异函数的球型模型进行加权最小二乘拟合,提出了一种基于混合粒子群优化算法的改进Kriging插值法,实现了高精度的拟合,参数的全局寻优。基于黄土沟壑点云数据的实验结果表明,相较于普通克里格和遗传克里格插值法,改进算法插值精度有效提高了克里格插值精度。     

基于ＧＰＵ的ＳＳＯＲ稀疏近似逆预条件研究

由于ＳＳＯＲ预条件共轭梯度算法中预条件方程求解需要前推和回代,导致算法迁移到ＧＰＵ 平台上并行效率不高．为此,基于诺依曼多项式分解技术,提出了一种ＧＰＵ 加速的ＳＳＯＲ稀疏近 似逆预条件子（ＧＳＳＯＲＳＡＩ）．它不仅保持了原线性系统系数矩阵的稀疏和对称正定特性,而且预条 件方程求解仅需一次稀疏矩阵矢量乘运算,避免了前推和回代过程．实验结果表明：在ＮＶＩＤＩＡ Ｔｅｓｌａ　Ｃ２０５０ＧＰＵ 上,对比使用Ｐｙｔｈｏｎ在单个ＣＰＵ 上ＳＳＯＲ 稀疏近似逆预条件子实现方法, ＧＳＳＯＲＳＡＩ平均快将近１００倍;应用到并行的ＰＣＧ算法中,相比无预条件的ＣＧ算法,平均提高了 算法的３倍的收敛速度     

孪生支持向量机的特征选择研究

针对机器学习中数据分类的特征选择问题,提出了孪生支持向量机（Ｔｗｉｎ　ｓｕｐｐｏｒｔ　ｖｅｃｔｏｒ ｍａｃｈｉｎｅ,ＴＷＳＶＭ）的另一种方法：ＬＦＴＷＳＶＭ．首先求解ＴＷＳＶＭ 优化问题后将得到两个权重 向量,先将这两个权重向量进行归一化处理,再把处理后的两个权重向量取绝对值相加,得到一个 总权重向量,最后将总权重向量进行特征选择．通过实验,将得到的数据结果和ＴＷＳＶＭ 特征选择 方法进行比较,ＬＦＴＷＳＶＭ 特征选择方法具有一定的优势．     

基于ＳＶＭ 的汽车涂装线设备故障诊断

针对汽车涂装线设备故障无法及时发现和排除的困难,提出基于支持向量机的汽车涂装线设 备故障诊断方法．该方法采用统计学习理论中结构风险最小化原则,克服了传统渐进理论机器学习 算法的不足,适用于有限样本下模式识别问题,使预测结果更准确．依据烘房加热系统监测参数和 故障类型构建ＳＶＭ 分类器,并采用交叉验证网格搜索法寻优各分类器的核参数及惩罚参数,建立 ＳＶＭ 故障诊断模型;将ＰＣＡ降维后的样本参数进行充分仿真训练,仿真结果表明该方法能够有效 地对设备故障进行分类．