蛋白质折叠速率的Kramers理论分析

理解蛋白质的快速折叠机制对于现代分子生物学具有基本的重要性.以蛋白质天然态非局域接触数的1/n次幂估计折叠自由能垒高度(n为耦合振动自由度),基于弱碰撞极限情形的Kramers逃逸速率理论,得到一个蛋白质折叠速率预测模型.在包含150个蛋白质折叠速率的实验数据集上检验该模型,n=3时,模型获得了对实验值约80%的拟合度.结果表明,天然态非局域接触数是蛋白质折叠速率的决定因素之一.此外,在n=1时模型退化为拓扑异构体搜索模型.     

耦合二级结构数和非局域相互作用预测蛋白质折叠速率

寻找改进蛋白质折叠速率可预测性的经验参数,是理解蛋白质折叠机制的重要途径之一。假设蛋白质的折叠元件为天然态二级结构,对折叠元件的组织过程即为折叠。构造了表征折叠自由能垒高度的经验参数——二级结构数与非局域相互作用的耦合(coupling of secondary structure number and nonlocal interaction, CSNI),进一步按照过渡态理论建立了折叠速率预测模型。在现有实验资料集上检验,CSNI模型对折叠速率的拟合优度达到R~2=0.73,相关性优于现有的典型模型,并且由CSNI模型所呈现的折叠自由能景观,为深入理解蛋白质折叠机制提供了见解.     

原油高温结垢速率测定和预测模型研究进展

综述了原油高温结垢的室内测定和预测模型的研究现状，重点回顾分析了预测模型的发展历程。室内实验和 模型预测是研究原油高温结垢速率的重要方法。常用室内结垢实验装置分为搅拌式和回路式，通过实验可快速获取 大量有效数据，但是实验数据往往存在缺陷，无法直接应用指导现场换热器防垢。结垢预测模型需要反映原油高温结 垢的化学反应本质，体现原油物性、温度、流速等重要因素以及不同过程对结垢速率的影响。目前结垢预测模型，包括 已经取得巨大成果的临界模型，大多属于半经验公式，其精度和适用性始终有限。更精确的模型必须基于对结垢机理 的进一步研究。由于能够成功描述非线性系统特征，人工神经网络模型也将是另一种十分有前景的预测技术。     

基于测井资料的低孔低渗储层产能预测研究

针对低孔低渗储层产能预测模型受敏感因素影响大，主次因素在低产情况下区别不明显，产能预测评价相对较困难等实际问题，以准噶尔盆地夏子街地区夏77井、夏79井为例，开展低孔低渗储层产能预测的前期试验研究，对多个产能预测模型及其适用条件进行了对比分析，从Darcy模型、Jones（1976）模型、Vogel/Harrison（1968）模型、裂缝模型中进行优选和调试。通过分析产能预测模型结果与测试结果在产量上的相关性，表明基于测井资料的预测结果与试油测试结果相当吻合，从而确认产能预测模型结果的可靠性。     

改进多元线性回归模型在某油田产量预测中的应用

为了预测油田的动态产量,根据实际工作经验选择一些与油田产量有关的因素作为建模变量,通过对多个变量的综合回归分析,确定影响油田产量的重要因素,并建立适合某油田年产量预测的多元线性回归模型。分析回归参数求解过程中的重要信息,并建立了年产油量的改进回归预测模型。同时,将两种预测模型应用于某油田产量预测,通过比较,可以看出改进回归模型形式更加简单,预测结果更准确。     

自适应学习中自适应测验长度预测研究

自适应测验是自适应评估过程中常用的一种手段,自适应测验长度预测对自适应学习的时间管理和推荐策略有非常重要的影响。对自适应测验长度预测的研究内容和现状进行分析,基于隐语义模型和认知诊断模型构建知识模块和知识点自适应测验长度预测模型,通过在大规模数据集上实验,结果表明：知识模块自适应测验长度预测模型的预测准确度较高;优化后的知识点自适应测验长度预测模型与原模型相比,预测准确度大幅提高,模型训练时间大幅减少。研究成果对自适应学习系统的实现具有重要的应用价值。     

基于拉开档次法组合模型在物流需求预测中的应用——以江苏省为例

为了对物流需求进行科学预测,文章在主成分分析的基础上,选取了对物流需求影响较大的3个主要因素:人均社会商品消费额、人均GDP和商品零售价格指数为自变量.分别建立了多因素灰色预测模型、ARIMA预测模型、多元回归预测模型,并运用拉开档次法建立了组合模型。通过该组合模型对江苏省物流需求进行了预测。结果表明,江苏省物流需求每年以近9.5%快速增长。与其他预测模型相比,该预测模型具有更高的预测精度。     

基于机器学习的蛋白质相互作用位点预测研究进展

利用计算方法预测蛋白质之间的相互作用,既省时又省力,弥补了采用原理不同和实验条件限制等因素导致的实验数据具有一定假阳性和假阴性实验的缺陷.针对蛋白质相互作用的功能位点,列出了常用的蛋白质相互作用数据库.为了提高预测的精确度,分析了蛋白质特征属性信息选择,以及常用的机器学习预测方法,总结了蛋白质相互作用位点预测的常用机器学习智能算法模型,给出相应的实验评价标准.     

农产品市场价格超短期预测研究——基于西红柿日批发价格的现代时间序列法建模

为科学分析与预测农产品市场日价格走势,研究农产品市场日价格波动的随机性特征,增强价格的预见性和市场的调控性,选择全国西红柿日批发价格为预测对象,基于价格序列数据的ADF检验和ARCH效应检验,结合2008—2009年间731天日价格数据分析,利用ARIMA、ARCH、GARCH等现代时间序列法,分别建立西红柿日批发价格预测模型,并选取2010年1月1—10日进行样本外区间的评估预测。研究表明,3个日价格预测模型的平均绝对百分比误差（MAPE）都在2％以内,其中GARCH模型在预测中具有更高的精度;农产品市场价格超短期预测中,在没有突发性因素干扰的情况下,所建立的3个模型预测结果的精度比较理想,但对于突发性事件等引起的价格急剧变化难以定量化模拟和预测。     

中国食用粮食消费总量的时序预测

粮食消费预测是安排粮食生产、调整粮食种植结构、制定粮食安全和农业可持续发展战略的重要理论依据。利用粮食消费量与时间之间的相关关系 ,采用SPSS程序包进行筛选 ,建立我国食用粮食消费总量的时序预测模型。研究结果表明 ,所建立的三个时序预测模型的拟合度等统计指标高度显著 ,运用所建模型对所获资料进行的内推预测比较准确 ,但外推预测结果因影响因素多 ,其准确性有待时间和实际的检验     

PM2.5浓度预测模型的研究与应用——基于人群搜索算法优化后支持向量机模型

本文利用京津冀地区的污染数据,使用人群搜索算法—支持向量机模型对污染物浓度分别进行点预测和区间预测,并与常用的几个污染物预测模型进行比较.实验结果显示,在点预测方面,该模型的预测精度优于其他模型;在区间预测方面,在显著性水平为0.1的情况下该模型区间预测覆盖率最高.整体来看,该预测模型可以应用于对中国京津冀地区的污染物浓度进行预测.     

基于数据挖掘的证券营业部客户流失分析

针对营业部客户流失的影响因素数据给出了预测模型。根据新佣金政策下的证券营业部客户一年来的交易数据分析,提出了影响客户流失的各种特征因素的假设。进一步建立三个模型（逻辑回归、决策树和径向基神经网络）,并从错分率和预测能力（提升值）两方面的模型性能评判标准来选出最佳模型,根据该模型找出最可能影响客户流失的各种预测因子,并进行深入分析,最后提出相应的对策。     

我国猪肉价格的影响因素是时变的吗？——基于动态模型平均的分析与预测

猪肉价格的超常波动给人民生活与相关产业发展均带来了不利影响。为有效识别猪肉价格影响因素并对猪肉价格进行科学的预测,从猪肉价格影响因素的时变特征入手,提出一套基于动态模型平均理论的猪肉价格影响因素与预测分析框架。 检测猪肉供给、猪肉需求、我国经济环境和国际市场等四个方面11个价格影响因素,研究并识别猪肉价格影响因素的时变特征,进而构建猪肉价格预测模型,并通过预测误差指标和Diebold Mariano检验比较其与基准模型的预测能力。研究发现：我国猪肉价格影响因素存在显著的时变特征,且因素间差异明显;自2009年以来,猪肉价格的决定机制更为复杂,影响因素更为多元;基于动态模型平均的猪肉价格预测模型的预测表现明显优于基准模型。政府部门在制定生猪市场调控政策时,需充分考虑到供给、需求、我国经济环境、国际贸易对猪肉价格的影响,并且可以借助准确的猪肉价格预测信息以增强调控政策的主动性、前瞻性和科学性。     

基于互联网搜索信息的预测模型研究--以余额宝产品需求为例

基于百度指数，以余额宝资产规模为例，运用ARIMA模型构建引入互联网搜索量的市场需求预测模型，同时建立不含互联网搜索量的预测模型，并将二者进行对比研究，发现包含互联网搜索量数据的预测模型的预测准确度更高，说明互联网搜索量数据包含一些在传统模型中未能考虑到的因素，该变量的引入有利于提高模型的预测准确度，为产品或服务的市场决策提供更加精确的预测结果。     

基于神经网络的法兰轴冷挤压成型工艺优化

为研究冷挤压成型工艺参数对法兰轴成型质量的影响，解决法兰轴成型时法兰盘填充不满和阶梯轴肩的折叠缺陷问题，课题组设计3因素3水平正交实验进行研究。采用3层拓扑结构，以凸模挤压速度、模具与坯料之间的摩擦因数、阶梯轴处圆角半径为输入层神经元，以折叠角和成型载荷为输出层神经元构建法兰轴冷挤压成型工艺优化神经网络模型。研究结果表明该模型的预测性能较好，精度较高。通过生产验证出优化后的工艺方案可有效解决法兰轴充填不满和折叠缺陷，为解决多变量多响应复杂的多元非线性工程问题提供了参考。     

基于单变量分析的我国上市公司两阶段财务预警模型实证研究——以纺织行业为例

我国现有的财务预警研究大部分仅限于对上市公司是否会陷入ST来建立预测模型,缺少对公司陷入ST后财务状况预测的进一步研究。应着眼于为上市公司的外部信息使用者建立ST前和ST后两阶段的预测模型,即把正常公司是否会转为ST公司作为模型预测的第一阶段,把ST公司是否会暂停上市作为模型预测的第二阶段,可选取包括现金流量指标在内的五种财务指标,以纺织行业为例进行分行业的实证研究,建立纺织行业两阶段的单变量预测模型。研究结果表明这些模型在两个阶段都达到了较好的预测效果。     

高新技术企业研发成本的预测模型及方法探讨

高新技术企业研发成本预测是其研发成本管理的重要组成部分.结合主成分分析法与支持向量机,考虑影响研发成本的众多因素,分析确定重要影响因素变量,构建研发成本PCA-SVR预测模型.该模型克服了高新技术企业研发成本变量之间的多重共线问题,并通过比较线性核函数、多项式核函数与径向基核函数来确定最佳核函数,从而提升了模型预测的准确度.为验证模型的合理性,以一家高新技术企业A公司为例进行应用研究.结果表明,文章提出的方法预测结果拟合度良好,该模型可用于研发成本的预测.     

高校教师队伍规模预测研究

通过分析某高校教师职称结构,建立职称变化的马尔可夫预测模型,并借助该模型预测教师队伍规模的变动趋势。研究表明:利用马尔可夫模型分析法能够有效的预测教师队伍的变动规模,从而实现教师队伍建设的预见性和前瞻性,进而为教师队伍规模的可持续发展提供理论依据。     

含线性时变参数的反向累加离散灰色预测模型

为了增强灰色预测模型对各种特征数据的适应性,在现有反向累加灰色模型研究的基础上,提出了一种含线性时变参数的反向累加离散灰色预测模型,并给出了可用于预测的模型时间响应式和还原式。通过数值模拟和对广东省电力消费量的预测分析,结果显示:新模型比传统GM(1,1)模型、反向累加GOM(1,1)模型和反向累加离散DGOM(1,1)模型具有更高的建模精度。     

粮食产量预测的支持向量机模型研究

粮食产量的历史数据有限,是典型的小样本数据,又由于粮食产量受不确定性因素的影响,是一个复杂的非线性系统,以往的粮食产量时间序列预测模型的阶数采用经验方法或线性方法来确定,得到的预测精度不理想。针对这些问题,可将支持向量机引入到时间序列模型定阶的方法中,然后采用留一法交叉验证寻找最优参数,建立一个多输入、单输出的预测模型。通过对中国粮食产量进行仿真实验,并与一次滑动平均、ARIMA、LS_SVM和RBF神经网络的预测模型作比较来验证模型的有效性,结果表明该模型该有较高的预测精度和较强的泛化能力,证明了该模型对近期粮食产量的预测是可靠的。