氢化物中A—H键物理化学性质递变规律的研究 V．A—H键酸性强度PKa的计算

根据Randic的分子连通性拓扑方法，提出了一个新的分子拓扑指数Y，将P区氢化物PKa与分子拓扑指数Y相关联，复相关系数为0．9991，标准偏差为1．01，其计算公式为：PKa=34.94Y 32.03(1-q)rA-H^-1-44．53,式中rA-H为氢化物（HnA-H)分子中A－H键键长，q为氢化物所带电荷数，对近20个P区氢化物分子的酸性强度PKa进行了计算，理论值与实验值符合程度度，平均偏差为0．53，小于前人所有的方法。     

正烷基苯折光指数变化规律的结构信息法研究

用结构信息法探讨了正烷基苯折光指数与其分子结构的关系，提出一个既能描述正烷基苯折光指数变化规律、又能准确预测折光指数的定量关系式．对苯到三十六烷基苯折光指数的计算结果表明，计算值都很接近实验值，平均绝对误差仅０．０００１．     

应用QSPR方法预测烷烃的临界压力

根据分子拓扑学原理，通过探讨烷烃的临界压力与其分子结构之间的定量关系，发展了一种直接由分子结构信息预测烷烃临界压力的新方法，对160种烷烃的预测结果表明，临界压力预测值与实验值的一致性令人满意，平均绝对误差0．0150MPa，平均相对误差0．681％，计算精度优于文献方法。     

吡啶生产哌啶的新工艺

本实验主要对吡啶生产哌啶工艺的条件(吡啶浓度、pH值、电流密度和反应时间等)进行探讨。结果表明当吡啶浓度为60—67％、电流密度为0．4080mA／m^2、pH值为12．7、反应时间为2．5h，转化率达到最大为64％。本实验与传统工艺相比较有较强的应用前景。     

个股曲线变化及其开盘价的回归一马尔科夫预测

股票价格及其走势预测是投资界普遍关注的话题。根据个股开盘价形成的时间序列分解成趋势变动序列和余项随机变动的马尔科夫链。其中趋势变动序列是从两个角度来分析,一是开盘价本身形成的曲线做拟合,得到了下一个时间点的开盘价拟合值y;二是根据股票各变量的历史数据来做相关性分析,除去相关性不大的变量,以开盘价为因变量建立了多元线性回归模型,得到了下一个时间点开盘价的预测值yi。根据yi、yi与真实值z的误差确定权值,将）,y与yi做线性组合,得到了趋势变动序列yi。记余项为xi,则xi=zi-yi。根据余项序列划分区间,作出随机变动的马尔科夫链,根据样本数据得到状态转移矩阵。于是得到股票价格=趋势变动＋余项随机变动范围,建立了回归-马尔科夫模型。本文选取了云南白药近三年的股票信息进行实例分析,得到了开盘价的预测值与实际开盘价的绝对误差为0．6735,误差百分比为1．18％,因此预测值与实际值非常接近,预测效果非常好。     

醚类有机污染物结构与毒性关系研究

采用分子电性相互作用矢量对25种醚类化合物进行了结构表征,并与其对幼鼠的毒性值（pC50）建立定量结构一活性关系（QSAR）模型．利用多元线性回归（MLR）,得到的5变量模型（M1）复相关系数（Ri）为0．918、标准偏差（SD,）为0．128,留一法（LOO）交互校验（CV）预测值的复相关系数（R^2CV1）为0．845、标准偏差（SDcv1）为0．175．用逐步回归的方法筛选3变量进行建模（M2）,复相关系数（R2^2）为0．912、标准偏差（SD2）为0．125,留一法（LOO）交互校验（CV）预测值的复相关系数（R^2CV2）为0．871、标准偏差（SDcv2）为0．152．结果表明模型具有良好的预-测能力与稳定性．     

基于BP-SVR组合模型的空气质量指数预测

建立有效的空气质量指数预测模型,可以为个人出行及相关部门治理大气污染提供指导。选取北京市的历史空气数据以及气象数据作为研究对象,建立基于BP（Back Propagation）神经网络和SVR（Support Vector Regression）支持向量机回归的BP-SVR组合预测模型。首先利用灰狼优化算法分别对BP模型和SVR模型参数进行寻优;然后运用该组合模型对空气质量指数进行预测。实验结果表明,BP-SVR模型的平均绝对百分误差、均方根误差、平均绝对误差均小于单一预测模型,分别为0.217 5、37.032 0、25.157 5。BP-SVR组合模型具有更高的预测精度,泛化能力更强,可以对空气质量指数进行有效预测。     

基于物联网的农业环境数据收集系统设计

设计了基于物联网的农业环境数据收集系统,该系统使用支持向量机回归(SVMR)算法来处理原始数据,并预测日常空气温度、相对空气湿度和风速值,以帮助预测有害病菌在农田的传播。结果表明:预测的平均空气温度值和实际测量值平均绝对误差为1℃;预测的平均相对空气湿度值和实际测量值平均绝对误差为5%;预测的平均风速值和实际测量值平均绝对误差为1 km/h。该系统通过物联网访问环境数据,有助于田间作物管理人员更好地管理和预防病菌蔓延。     

大学男生人体密度计算模型的优选研究

以身高、体质量指标和其所派生的指标为自变量,以大学男生人体密度指标为因变量,运用科学的研究方法,建立多种回归模型。应用统计参数对回归模型进行比较分析,优选出大学男生人体密度计算的最优回归模型。体重指数模型预测的值与实际测量值呈无差异性,P〉0．95水平。     

间二甲苯分子结构和红外光谱的密度泛函理论计算的研究

用密度泛函理论(DFT)-B3LYP方法在6-31+G(d)基组水平上对间二甲苯的几何构型进行了全优化,得到几何构型参数,进一步对其振动光谱进行了计算.对计算得到的振动频率进行归属和解析并与文献值比较,发现理论计算得到的红外光谱与实验测定红外特征峰位较为吻合.这表明采用(DFT)-B3LYP方法能够预测芳烃类化合物的分子结构和红外光谱数据,从而为该类化合物光谱性质预测及构效关系研究提供依据.     

取代芳烃结构与生物活性关系研究

根据非氢原子类型分类、基于非氢原子相对电负性和非氢原子间距离等进行计算得到的分子电性距离矢量(MEDV)为描述子,对取代芳烃的结构进行表征.用多元线性回归(MLR)方法,研究并建立了取代芳烃定量结构-急性毒性(QSAR)关系的6变量模型,其复相关系数为0.970;采用SPSS统计处理软件对变量进行逐步回归(SMR)筛选后,建立了5变量的QSAR模型,其复相关系数为0.964.上述模型对26个取代芳烃的急性毒性的预测值与实验值能较好吻合.留一法进行交互检验,结果表明所建模型具有良好的稳定性和预测能力.     

环己烯类神经氨酸酶抑制剂的构效关系

采用本实验室提出的三维全息原子场作用矢量（3D-HoVAIF）对34个环己烯神经氨酸酶抑制剂抗禽流感药物结构并与其活性建立定量构效关系模型,然后采用逐步回归对变量进行筛选后,运用多元线性回归建立3D-HoVAIF描述子与神经氨酸酶抑制剂活性之间的QSAR模型．其复相关系数（R）,交互校验的复相关系数（Rcv）和模型的标准偏差分别R为0．947,SD为0．466,Rcv为0．912,SDcv为0．536,模型具有良好的稳定性和预测、能力．表明三维全息原子场作用矢量能较好表征该类分子结构信息值得进一步推广应用．     

Generalized Linear Factor Score Regression: A Comparison of Four Methods

Factor score regression has recently received growing interest as an alternative for structural equation modeling. However, many applications are left without guidance because of the focus on normally distributed outcomes in the literature. We perform a simulation study to examine how a selection of factor scoring methods compare when estimating regression coefficients in generalized linear factor score regression. The current study evaluates the regression method and the correlation-preserving method as well as two sum score methods in ordinary, logistic, and Poisson factor score regression. Our results show that scoring method performance can differ notably across the considered regression models. In addition, the results indicate that the choice of scoring method can substantially influence research conclusions. The regression method generally performs the best in terms of coefficient and standard error bias, accuracy, and empirical Type I error rates. Moreover, the regression method and the correlation-preserving method mostly outperform the sum score methods.     

城市需水预测算法比较

建立高精度水量预测算法模型,有利于水资源充分利用。以北京市2002-2015年需水量为例,对数据进行相关性分析后选出主要影响因素,然后采用主成分回归法、逐步回归法、灰色模型以及BP神经网络共4种方法进行建模,并用北京市2016年和2017年数据进行模型精度验证。结果表明：4种方法都适合用于城市需水量预测,其中主成分分析和逐步回归分析两种方法主要考虑了多元线性回归存在多重共线性,但是逐步回归模型优于主成分回归模型。将4种模型进行对比验证,BP神经网络模型预测精度最高,平均相对误差达到0.79%,用来预测2016-2017年需水量,预测结果分别为38.66亿m3、39.49亿m3,适合作为城市需水量预测方法。     

基于人工神经网络的广西GDP预测研究

GDP预测由于其影响因素复杂、具有很强的非线性、是典型的“黑箱”模型,所以是一项非常重要而复杂的工作.建立在计量经济学理论基础上的线性方法,难以描述GDP预测中的非线性现象,容易造成预测误差过大.BP网络比传统的多元线性回归精确度要高,泛化能力也好.可以为相关部门制定发展战略、发展规划提供有效的技术支持.     

支持向量机在多氯代二苯并呋喃logKow中的应用

应用G98W程序包中的量子化学密度泛涵（DFT）方法，在B3LYP／6—31G（d）水平上，对51种二苯并呋喃及其衍生物（PCDFs）进行几何构型全优化。优化后所得分子的最高占据轨道能量、二苯并呋喃环上1，2，3，7四个原子静电荷密度作为PCDFa分子结构描述符。应用支持向量机构建多氯代二苯并呋喃logKow的定量构效（QSAR）关系模型，所建模型的预测值与实验值吻合的很好，经留一交叉校检法检验该模型，该模型具有良好的稳健性，有一定的应用价值．     

多变量模型参数的贝叶斯估计及其在农业研究中的应用

对于农业研究中多变量线性模型参数的估计,以往常采用经典统计方法。随着计算机技术的进步,贝叶斯统计方法在科学研究的各个领域迅速发展。文章利用贝叶斯统计方法对农业研究中的多变量模型进行参数估计,并与经典统计方法进行比较,验证了贝叶斯方法的有效性。该方法可为农业研究中多变量模型参数的估计提供新的途径和手段。     

A Comparison of Method Effects in Two Confirmatory Factor Models for Structurally Different Methods

It is well known that measurement error in observable variables induces bias in estimates in standard regression analysis and that structural equation models are a typical solution to this problem. Often, multiple indicator equations are subsumed as part of the structural equation model, allowing for consistent estimation of the relevant regression parameters. In many instances, however, embedding the measurement model into structural equation models is not possible because the model would not be identified. To correct for measurement error one has no other recourse than to provide the exact values of the variances of the measurement error terms of the model, although in practice such variances cannot be ascertained exactly, but only estimated from an independent study. The usual approach so far has been to treat the estimated values of error variances as if they were known exact population values in the subsequent structural equation modeling (SEM) analysis. In this article we show that fixing measurement error variance estimates as if they were true values can make the reported standard errors of the structural parameters of the model smaller than they should be. Inferences about the parameters of interest will be incorrect if the estimated nature of the variances is not taken into account. For general SEM, we derive an explicit expression that provides the terms to be added to the standard errors provided by the standard SEM software that treats the estimated variances as exact population values. Interestingly, we find there is a differential impact of the corrections to be added to the standard errors depending on which parameter of the model is estimated. The theoretical results are illustrated with simulations and also with empirical data on a typical SEM model.     

基于Fisher的线性判别回归分类算法

为了提高线性回归分类（LRC）算法的鲁棒性,提出了一种基于Fisher准则的线性判别回归分类算法。利用Fisher准则将类间与类内重建误差的比值最大化,找到线性回归分类的最优投影矩阵;再将训练图像及测试图像投影到各类的特征子空间;求得各训练图像与测试图像间的欧氏距离,最后用K-近邻分类器完成人脸识别。在AR人脸数据库上的实验结果表明,相比其他回归分类算法,算法取得了更好的识别效果。