血管生成素-2对冠状动脉支架术后支架内再狭窄的预测价值

目的探讨血清血管生成素-2(Ang-2)对冠心病患者经皮冠状动脉介入治疗(PCI)术后支架内再狭窄的预测价值。方法入选113例冠心病患者成功置入单个药物洗脱支架,术后9~12个月复查冠状动脉造影,依据冠状动脉造影结果将患者分为支架术后再狭窄组和无再狭窄组,采用酶联免疫吸附法(ELISA)测定PCI术前及术后1周血清Ang-2浓度。结果支架内再狭窄组12例患者,无再狭窄组101例患者。再狭窄组和无再狭窄组术前Ang-2浓度[(849.6±234.6)pg/mL vs.(796.9±198.7)pg/mL]差异无统计学意义(P>0.05),术后Ang-2浓度[(629.7±137.3)pg/mL、(504.3±107.6)pg/mL]均明显下降,两组比较差异有统计学意义(P<0.05)。无再狭窄组术后Ang-2浓度降低更为明显,低于再狭窄组,差异有统计学意义(P<0.05)。结论 PCI术后Ang-2浓度均明显降低,且无再狭窄组降低更明显,推测Ang-2与支架术后再狭窄相关,可作为预测PCI术后支架内再狭窄的参考指标。     

量子神经网络技术在船舶电力系统中的应用

短期负荷预测是一种电力系统优化调度工具。其不仅可为电网调度及发、供电计划提供有效的指导,而且可以保障电力系统安全和高效的运行,达到节约经济的目的。本文在分析影响船舶电网短期负荷的因素基础上,提出基于量子神经网络技术的船舶电网短期负荷预测法。     

多元评价体系组合模型在铁路隧道变形预测中的应用

为克服传统预测模型结构单一、预测精度及稳定性不足等缺陷,提出多元体系组合预测模型的建模思路。首先,基于支持向量机、BP神经网络及ARMA模型3种单一预测模型,构建铁路隧道变形预测体系;再以均方根误差、误差平方和及平均绝对误差等为评价准则或指标,构建各预测结果的误差评价体系,求解各单项预测模型的权值贡献指数,得到最优组合权值;然后利用后验差检验、残差检验和关联度检验构建预测精度校验体系,对组合预测结果进行检验,评价预测模型的有效性;最后,结合工程实例,对多元体系组合预测模型在特大断面隧道中的变形预测效果进行检验。结果表明:多元评价体系组合模型预测相对误差值均小于2%,具有较高的预测精度,且较单一预测模型具有更高的预测精度,也一致通过相关检验,验证了多元体系组合预测模型的有效性。     

PSO-BP神经网络在隧道围岩变形预测中的应用

针对滇西复杂地质条件下隧道围岩变形预测问题,以BP神经网络为基础,引入了改进后的粒子群算法,通过调试和改进建立了PSO-BP神经网络。该神经网络结合了粒子群算法的全局搜索能力和BP神经网络的局部搜索能力,非线性映射能力强,泛化能力强,具有一定的容错能力。计算结果表明:PSO-BP神经网络预测精度高,平均绝对误差为2.4 mm,平均相对误差为2.7%,满足隧道围岩变形预测精度的需要。     

航空客运收益管理无约束需求预测方法研究

无约束需求预测是提高收益管理决策准确性的重要前提,需求修复是其关键的组成部分.本文基于航空客运的需求特点,对无约束需求预测方法进行了定量研究和讨论.首先对研究的问题进行了描述,提出先将Holt模型用于需求修复,再使用Holt-Winters模型进行无约束需求预测的思想,并结合组合预测方法,建立了基于Holt的组合需求修复模型和基于Holt-Winters的组合预测模型.最后,通过数值仿真,验证了本文的无约束需求预测方法和组合模型对航空客运收益管理的可行性和有效性.     

基于灰色残差GM（1，1）模型的道路交通量预测的研究

道路交通体系是一个多因素、多层次、多目标的复杂系统。其中交通量信息系统具有明显的层次复杂性,结构关系的模糊性,动态变化的随机性,指标数据的不完全和不确定性。由于技术方法、人为因素、自然环境变化的影响,造成各种数据误差、短缺甚至虚假现象,系统的作用机制不明确,系统的状态、结构、边界关系难以精确描述,属于典型的灰色系统。在作量化、模型化、实体化研究时,能作为反映系统主要动态特征的数据是很少的。由于环境对系统的干扰,系统信息中原始数据序列往往呈现离乱情况,离乱数列即为灰色数列或称灰色过程,灰色理论利用那些较少的或不确切的表示系统行为特征的原始数据序列作生成变换后建立微分方程,对灰色过程建立的模型称为灰色模型（Greymodel）,简称GM模型。本文从理论上介绍了GM（1,1）模型和灰色残差GM（1,1）模型建立的一般过程,然后将其应用于交通量预测的实际例子中。预测结果表明,该方法是可行的。     

短时交通流预测方法比较

短时交通流预测是实现交通流诱导的关键技术之一。短时交通流因为其不确定性等特点而使其预测很复杂。通过实地调查获取的交通流量数据,分别采用移动平均法、指数平滑法、AR模型法3种交通流预测方法进行短时交通流量预测,并通过不同的评价指标对上述3种方法的预测效果进行评价,得出AR模型方法的预测效果优于其他2种方法。     

基于人工神经网络的软土地基沉降预测技术研究

针对软土地基大变形沉降预测,引入人工神经网络预测技术,通过增加权值调整时的动量修正量对传统BP模型的算法进行改进,使其更加适应对于软土地基沉降的预测。以天津滨海地区围海造陆工程为例,选择吹填过程中吹填土的原始标高、含水量、塑性指数以及吹填土地基加固后的土体含水量和强度为输入量对吹填土地基的沉降量进行预测。预测结果显示预测值与实测值误差在15%以内。     

基于 EM D桘BPN 方法的高速铁路短期客流预测

高速铁路短期客流预测是铁路运输系统的重要组成部分。无论是对列车开行方案的制定,还是对如何采取正确的营销策略,都具有重大的现实意义。通过混合经验模态分解方法和神经网络方法相结合的EMD-BPN方法来预测高速铁路短期客流量。组合方法主要分为三步：首先,使用经验模态分解方法将客流时间序列分解;其次,将IM Fs作为BP神经网络的输入;最后,应用神经网络对客流量做出预测。数值实例表明,该方法对于高速铁路短期客流预测在精度和稳定性上都有良好的表现。     

基于路网容量的商圈停车需求预测研究

分析商圈停车、交通拥堵与商圈持续繁荣的关系,商圈停车需求预测对商圈的可持续发展起着重要作用。为合理预见与科学估算商圈停车需求,结合路网容量、区位关系提出基于路网容量的停车需求预测模型。该模型一方面能平衡区域停车供需,缓解静态设施供需矛盾;另一方面能保证停车需求与路网容量相匹配,对动态交通起到必要的控制作用,缓解商圈周边路网的交通拥堵。最后,通过实例分析证明该模型的可行性。