PLS-ANN分析血浆自体荧光光谱的二阶导数光谱识别胃癌

探讨偏最小二乘法结合神经网络法(简称PLS-ANN)分析血浆自体荧光光谱的二阶导数光谱识别胃癌的优势,对20例胃癌病人和23例健康人血浆进行以405nm为激发光的自体荧光光谱检测,采用PLS-ANN法分别对血浆自体荧光光谱和二阶导数光谱进行判别分析。PLS-ANN分析血浆的自体荧光光谱法诊断胃癌的灵敏度为75%,特异度为83%,准确率为79%,PLS-ANN分析血浆的二阶导数光谱法诊断胃癌的灵敏度为90%,特异度为96%,准确率为93%。结果表明PLS-ANN分析血浆的二阶导数光谱法识别胃癌,优于PLS-ANN分析血浆的自体荧光光谱法,有望成为快速识别胃癌的较理想方法。     

四川稻城海子山方枝柏树轮宽度与气候因子的响应关系研究

对四川稻城县海子山高原上的方枝柏进行树芯采集,经交叉定年后建立林线上限位置的方枝柏树轮宽度年表.标准化年表与气象资料的响应分析结果揭示了该地区树木生长主要受当年生长季前期温度条件的控制.轮宽指数与前一年9月到当年2月的平均气温呈显著正相关(R=0.56,PP＜0.01).由此重建了该地区1850-2019年这170 a...     

Optimal design of structures for earthquake loads by a hybrid RBF-BPSO method

The optimal seismic design of structures requires that time history analyses （THA） be carried out repeatedly. This makes the optimal design process inefficient, in particular, if an evolutionary algorithm is used. To reduce the overall time required for structural optimization, two artificial intelligence strategies are employed. In the first strategy, radial basis function （RBF） neural networks are used to predict the time history responses of structures in the optimization flow. In the second strategy, a binary particle swarm optimization （BPSO） is used to find the optimum design. Combining the RBF and BPSO, a hybrid RBF-BPSO optimization method is proposed in this paper, which achieves fast optimization with high computational performance. Two examples are presented and compared to determine the optimal weight of structures under earthquake loadings using both exact and approximate analyses. The numerical results demonstrate the computational advantages and effectiveness of the proposed hybrid RBF-BPSO optimization method for the seismic design of structures.     

地地震多参数BP神经网络预测煤层厚度

依据煤层反射波运动学和动力学特征，提取出了波峰波谷振幅A1、平均频率Fa、主频带能量Qf1、低频带宽能量Qf和峰值频率Fmain等5个地地震特征参数。选取8组学习样本，利用4层BP（Back Propagation)人工神经网络模型，采用动量法和自适应调整的改进算法，训练BP网络，用训练好的BP网络预测煤层厚度。经实例验证，地震多参数BP网络预测煤层厚度精度高，是一种有效的煤厚预测方法。     

基于季节冻土微观结构特征的神经网络冻胀率仿真预测

为了寻求基于宏观-微观物理参数间接得到季节冻土冻胀率的途径, 根据现有技术手段容易测试到土的性质参数, 利用BP神经网络法对季节冻土冻胀率进行预测. 选取微观孔隙参数及结构单元体参数各4个、 外部条件参数3个共11个参数, 建立季节冻土冻胀率神经网络预测模型. 结果表明: 在33个检验样本中, 误差最大为0.19, 最小为0.00, 有4个样本的误差在0.1~0.19之间, 其他样本误差都在0.05以下, 占总样本数的88%, 说明模型能反映冻胀变化的基本趋势. 因此, 文中建立的基于11个宏观微观物理参数的BP神经网络冻胀率预测模型是可行的.     

树轮──流域径流变化的记录

根据树轮稳定碳同位素组成（δ１３Ｃｔ）序列可较灵敏地记录降水变化的事实，利用长白山红松树轮δ１３Ｃｔ序列与松花江年径流量之间的平行变化关系，重建了近２００年来松花江年径流量的变化：年径流量变化有明显的准２２年周期；１９００年之前，径流量在周期波动中呈上升趋势，１９００年之后，波动中呈下降趋势     

祁连山疏勒河上游芨芨草根际可培养细菌群落特征研究

以疏勒河上游不同海拔芨芨草根际土壤样品为研究对象,研究了不同海拔土样中细菌分布特征及其影响因素. 结果表明：研究区域芨芨草根际土壤可培养细菌种群密度变化范围为1.7×10⁷~10.8×10⁷ CFU·g^-1,平均值为6.4×10⁷ CFU·g^-1,随海拔的升高呈先下降后上升的趋势;可培养细菌数量与土壤全氮、脲酶、蔗糖酶含量呈极显著正相关关系,与有机碳、磷酸酶含量呈显著正相关关系;同时,pH值也是影响细菌数量与多样性的一个重要因素. 通过16S rDNA基因测序及构建系统发育树,研究区域可培养细菌归类为15个属,其中芽孢杆菌属和假单胞菌属为优势菌属.     

青海南部高原近450年来春季最高气温序列及其时变特征

根据采自青海南部高原曲麻莱、治多地区的圆柏树轮样芯建立的树木年轮年表,重建了近450年来高原春季（4～6月）的最高气温序列。采用多窗谱分析、小波分析和Yamamoto突变检测分析等方法综合研究了重建的高原春季最高气温序列的准周期性及多尺度突变特征。结果显示,青海南部高原地区春季最高气温的变化存在较明显的31～54年低频和2～4年高频准周期波动特征。在30～54年时间尺度上,青海南部高原春季最高气温变化经历了1622～1639年、1798～1816年、1896～1913年和1933～1951年的偏冷期以及1684～1703年、1779～1797年、1817～1835年和1914～1932年的偏暖期。分析还发现,青南高原地区春季最高气温在冷暖期的转换过程中存在着较明显突变现象,在30～40年时间尺度上,T_m序列在1610年、1668年、1816年、1915年和1934年前后的突变是明显的。交叉相关分析显示,在滞后7.5年左右,青海南部高原春季最高气温波动与太阳黑子周期长度的变化呈显著负相关。     

一种基于机器学习算法的岩性填图方法

通过野外地质调查与机器学习方法的有机融合,提出了一种基于梯度提升决策树算法的岩性单元填图方法.研究以多龙矿集区为模型试验区,选择1:5万勘查地球化学数据为基础预测数据,以1:5万区域地质图为参考,进行基于梯度提升决策树算法的岩性预测填图模型试验.首先选择研究区内小范围空白区开展野外填图,建立原始数据集并初步构建岩性单元...     

基于人工神经网络的航磁信息关联方法的研究

应用人工神经网络方法 ,以航磁数据为样本 ,建立了航磁信息关联的BP人工神经网络模型。对山东省 1∶5 0万航磁水平一阶导数轴向图进行计算机自动关联叠置、提取航磁解释构造轴线的研究。经与垂向二阶导数对比分析 ,证实了该方法给出的模型具有较强的非线性、自适应和学习能力。