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%。     

基于VMD和BSA-KELM的高陡边坡位移预测模型研究

边坡位移的时间序列曲线存在复杂的非线性特性,传统的预测模型精度不足以满足预测要求。为此提出了基于变分模态分解的鸟群优化-核极限学习机的预测模型,并用于河北省某水泥厂的边坡位移预测。该方法首先采用VMD把边坡位移序列分解为一系列的有限带宽的子序列,再对各子序列分别采用相空间重构并用核极限学习机预测,采用鸟群算法优化相空间重构的嵌入维度和KELM中惩罚系数和核参数三个数值,以取得最优预测模型。最后将各个子序列预测值叠加,得到边坡位移的最终预测值。结果表明：和KELM、BSA-KELM、EEMD-BSA-KELM模型相比,基于VMD的BSA-KELM预测精度更高,为边坡位移的预测提供一种有效的方法。     

基于改进SOA-VMD的磁声发射信号去噪算法

磁声发射（MAE）是铁磁性材料磁化过程中产生的声发射信号，在构件应力检测和微观损伤检测中有着广泛的应用。针对MAE信号非稳态、复杂性、衰减性等特点，提出海鸥算法结合变分模态分解（SOA-VMD）的去噪方法，为克服海鸥算法求解过程中易陷入局部最优解问题，利用柯西变异算子产生随机迭代过程，使改进算法即柯西变异海欧算法（CVSOA）跳出早熟收敛。采用以幅值谱熵为适应度函数，优化VMD算法中分解模态个数K和二次惩戒因子α两个参数，将含噪声的MAE信号进行VMD分解重构。经仿真信号和实际检测信号分析表明，改进后的CVSOA-VMD算法全局寻优能力和去噪性能优于传统的SOA-VMD算法，降噪后的MAE信号特征值对于不同应力下均方根、偏斜度特征值的重复性更好，可靠性更高。     

OTW旅途出行网络科技便捷服务项目APP

随着人们生活水平的提高,越来越多的人通过旅行的方式来放松身心,提升幸福感,也有许多人因为早晚高峰车辆拥堵从而选择乘坐地铁出行,本项目借鉴了现在大型旅途出行APP的设计思路,综合线上购票,各城市线上地铁票,公交实时查询,旅行计划定制等功能,实现出行旅游可以更方便快捷的APP。     

水泥窑分级燃烧脱硝技术优化效果分析

<正>1前言水泥窑分级燃烧减排NOx技术是通过对窑尾分解炉的温度场、流场和化学反应及分解炉结构、煤粉分级燃烧等的综合研究,实现降低NOx排放浓度的有效方法。其减排效率可以达到30%左右,5000t/d水泥熟料生产线年减排NOx量可达到1100t左右。减少污染物排放可获得显著的环境效益,同时优化回转窑的运行条件(减少煅烧系统引入干扰),降低企业生产运行成本(可大量减少额外的非碳系还原剂的使用)。     

逼迫营销:“逼”出一片新天地

<正>鲁南景逸的逼迫营销告诉我们,等和靠是没有出路的,只有逼着自己改变——改变安稳、安逸的"小日子",才能闯出一片新天地!2014年的印刷包装行业,几多欢乐几多愁,有的企业业绩节节攀升,有的企业则日益萧条。总结过去的一年,鲁南景逸印刷包装有限公司充满着喜气洋洋的气氛,2014年的销售业绩非但没有下滑,反而逐月递增,全年销售收入突破1.26亿元,创下公司创办以来的历史新高。鲁南景逸能获得如此骄人业绩,不仅是全公司上下共同努力的结果,更重要的是得益于总经理刘思明的逼迫营销。