基于一种新的伪氨酸组成预测蛋白质折叠速率

以chou等人提出的伪氨酸组成方法为基础,从蛋白质序列的氨基酸组成信息和顺序信息着手,提出一种新的伪氨酸组成方法,即利用新伪氨酸序列的自相关函数、氨基酸的平均中程接触和氨基酸频率构造了23维向量来描述蛋白质序列,进而建立多元线性回归函数对蛋白质折叠速率进行预测,经jackknife检验相关系数达到了0.84.并与其他两种方法进行比较使本文的结论得到较好的验证.同时验证了本文提取的特征参数对蛋白质折叠速率有一定的影响.     

沥青路面使用性能评价中行驶质量与路面损坏的关系探讨

现有的沥青路面使用性能评价体系,通过对路面的损坏状况指数、行驶质量指数、车辙深度指数、抗滑性能指数及结构强度指数的线性加权,获得路面使用性能指数。其中,影响路面行驶质量指数的主要因素是路面平整度,而它受到如裂缝、坑槽、修补等路面损坏的影响。因此,路面行驶质量指数与路面损坏状况指数存在着某种重叠关系,但这种关系并不明确,...     

基于支持向量机模型的深基坑变形预测研究

支持向量机是近年来在统计学习理论基础上发展起来的一种新的模式识别方法,在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势.将支持向量机用于基坑变形预测,根据基坑位移的实测时间序列资料,建立基坑位移与时间的关系模型.将实际基坑工程监测资料作为学习训练样本和测试样本,将模型计算结果与实际监测值进行对比分析、研究....     

青岛胶州湾海底隧道陆域段近距下穿地表建筑物爆破震动控制技术

青岛胶州湾海底隧道陆域段钻爆施工期间,为确保距隧道拱顶约12 m的地表建筑物安全及隧道大断面掘进,通过采用下导超前、后续大断面扩挖施工方法,运用液压凿岩台车进行大中空孔直眼掏槽及合理化的钻爆设计等技术,将地表建筑物最大垂直震速控制在国标允许范围之内;通过采用孔外中段别雷管接力起爆,实现了大断面（超前下导、后续扩挖面）一次性点火起爆,解决了大断面一次性爆破雷管段别不足的难题;通过爆破震动测试及数据回归分析,得到了震动波在地层中的传播规律,并通过该规律进行药量真正校核。     

基于SVM的交通事件检测技术

为减少交通事件引起的交通延误,提出了一种基于支持向量机(SVM)的交通事件自动检测(SVM-AID)算法.采用实际高速公路交通参数数据库(I-880数据库),对SVM-AID算法的分类性能进行测试,并分析了SVM中各参数对分类效果的影响.结果表明,SVM中参数对分类效果的影响很大,必须慎重选择;SVM-AID算法对不同...     

基于车致振动响应的铁路桥梁损伤位置识别

为识别列车荷载引起的桥梁结构损伤,基于车致振动的加速度响应,提出了一种损伤位置识别方法.该方法通过结构易损性分析,确定结构易损的部位,并根据易损部位的损伤状态,从列车行驶的时间区域中选择若干子区域;然后,假设在每一个子区域内特定易损部位的损伤状态保持不变,将损伤位置识别分为2个层次进行,每一层次均以加速度时程数据构建损伤指标,从多个角度优化样本库,并采用支持向量机作为分类工具,建立损伤位置识别模型.对一连续梁的实例分析表明:该方法能够考虑结构状态与列车荷载的相关性,在损伤最易出现的时间子区域内,对易损部位进行损伤识别,可获得较好的损伤位置识别结果;且在低水平噪声干扰下,识别结果变化不大.     

2011年度交通运输节能减排量及投资额核算方法审定

7月9日交通运输部政法司在北京组织召开了2011年度交通运输节能减排专项资金支持项目节能减排量及投资额核算方法专家审查会,会议确定了相关的节能减排量及投资额核算方法。中国船级社、部规划院、交科院、公路院、水运院、天科院、中交水规院等七家单位专家参加了会议。     

上市公司财务预警的正则化逻辑回归模型

基于统计学习理论的正则化技术构建L1(一范数约束惩罚)正则化的逻辑回归(Logistic Regression)模型,同比建立了logistic回归模型和L2(二范数约束惩罚)正则化的logistic回归模型,结合沪深股市ST公司和正常公司的T-3年和T-2年财务数据进行仿真实验用于上市公司财务预警实证分析.实验结果表...     

基于SVM分类器的道路湿滑图像分类方法研究

在恶劣天气下路面湿滑状况将发生显著变化,导致驾驶条件恶化,极易引发恶劣的交通事故.为了帮助交通管理部门实时获取路面湿滑状况信息,了解路面附着性能,并以此制定合理的车速控制和交通诱导策略,通过采集道路湿滑图像,利用设计的具体SVM分类器结合3种训练算法对道路湿滑图像进行分类学习训练,并通过训练后的SVM分类器对大量道路湿滑图像进行分类实验,对道路湿滑状态进行分类研究.实验结果表明:(1)寻找合适的核函数,选择合适的参数是使用SVM进行高效分类的一个重要因素;(2)在训练过程中,均方误差(MSE)能反映出分类器实现的正确率,SVM的训练本身的误差决定了分类的正确率,而且训练个数的增多带来了特征空间维数的增加,从而导致计算量的增大.     

基于Gaussian-支持向量回归机的高速公路短时交通量预测

针对高速公路短时交通量的实时性、波动性和非线性的特点,将支持向量回归机(SVR)应用于高速公路短时交通量预测,并采用Gaussian损失函数来代替ε-不敏感损失函数,对原始序列进行降噪处理,为了更好的优选SVR模型参数,采用遗传算法(GA)进行参数优选,建立了基于GA优化的GA-Gaussian-SVR高速公路短时交通量预测模型,将本路段前几个时段交通量、天气因素和出行日期作为影响因素输入,结合实例进行了仿真预测.结果表明该方法可有效应用于高速公路短时交通量预测.