大气环境影响研究中应注意的几个问题

本文针对大气环境影响研究中，易被忽视或常常被误解的三个问题——非正常排放时的浓度预测问题、有效源高订正问题、烟囱参数设计合理性的论证问题，从理论、原理上提出了对这些问题的理解，还通过实例作了具体说明。     

评注性副词"差点儿"的蕴含和预设

从蕴含和预设的角度对"差点儿"的客观意义和主观意义进行了分析,分析了"差点儿"的语义预设和语用预设,并从预设的角度解释了羡余否定现象的产生.通过和评注性副词的比较,指出"差点儿"是介于描摹性副词和评注性副词之间的一个副词.     

同声传译中的预测

根据Daniel Gile的认识负荷模型理论，同声传译的译员在翻译过程中精力分为听解分析、言语生成、短期记忆及协调四个部分。为了降低译员的精力负荷，提高翻译的质量，试从减轻记忆负担的角度分析了预测在同传中所发挥的作用，同声传译中的预测方法。以及预测中的补救措施。掌握了预测技巧，译员在同传过程中便会更加游刃有余。     

基于XG-B00ST和多数据源的药物重定位预测

新药物研发时间长、成本高,但成功率低,为了提高收益比,药物重定位即旧药新用受到了广泛关注。从临床和实验角度鉴定药物的新用途需要耗费大量人力和物力,从计算角度预测药物新用途成为研究热点;并且,随着药物和疾病相关的大量多层次组学数据积累,通过挖掘药物相关数据鉴定药物新用途成为可能。重点挖掘药物化学结构、药理性质、药物靶蛋白功能、疾病表型等数据得到相应特征,并将这些药物疾病特征进行整合,再将特征输入XG-BOOST模型进行预测。实验结果表明,该方法准确率达87.9%,较逻辑回归、随机森林具有更高的预测精度。     

基于改进的DTW算法的仿真与分析

传统的DTW算法着重于时间规整和间距测量的概念，对数据的可靠性没有进行有效的分析，且对连续词的识别效果不明显。基于松弛起始点和分段思想的改进DTW算法，可以改善明阿算法的缺陷。通过对语音样本0．9在MATLAB6．5上的仿真实现与分析表明，采用改进后的DTW算法具有良好的语音识别效果。     

基于灰色模糊理论的河南省城镇居民收入结构关系及预测研究

城镇居民收入是衡量一个国家或地区经济竞争力的一个重要标准,如何提高居民收入是提高经济实力的重要方面.通过基于灰色理论方法的计算得来的河南省居民收入结构关联度显示：居民工薪收入和转移性收入是影响居民可支配收入的主导因素,所以要提高居民收入就主要从这两个方面着手.最后利用EXCEL表格通过编程预测出了2009～2013年河南省可支配收入和转移性收入的情况,数据显示：参差〈0.35,精度〉0.8,预测合格.     

程控低噪声宽带直流放大器设计

为解决小信号易受干扰、难以实现线性放大的问题,以MSP430F247单片机为控制核心,采用压控可变增益宽带放大器VCA820作为程控增益放大器,设计了一个低噪声宽直流放大器.系统能对直流到20MHz的信号,实现增益从0dB到80dB范围内以1dB为步进的程控放大,带内增益起伏小于0.5dB,50负载时输出信号峰-峰值高达30V.系统的零点漂移小,工作带宽高,驱动能力强,性能稳定,可广泛应用于传感器网络和通信设备等电路中.     

Predicting future dynamics from short-term time series using an Anticipated Learning Machine

Predicting time series has significant practical applications over different disciplines. Here, we propose an Anticipated Learning Machine (ALM) to achieve precise future-state predictions based on short-term but high-dimensional data. From non-linear dynamical systems theory, we show that ALM can transform recent correlation/spatial information of high-dimensional variables into future dynamical/temporal information of any target variable, thereby overcoming the small-sample problem and achieving multistep-ahead predictions. Since the training samples generated from high-dimensional data also include information of the unknown future values of the target variable, it is called anticipated learning. Extensive experiments on real-world data demonstrate significantly superior performances of ALM over all of the existing 12 methods. In contrast to traditional statistics-based machine learning, ALM is based on non-linear dynamics, thus opening a new way for dynamics-based machine learning.     

基于隐马尔科夫模型的VLCC目的港预测

超大型油船(very large crude carrier,VLCC)目的港预测对海运原油流向预测以及货源地未来运力估计具有重要作用。针对VLCC的AIS目的港信息存在缺失、更新不及时、不准确等现象,提出一种基于隐马尔科夫模型的VLCC目的港预测方法。分析船舶AIS轨迹数据,得到油船历史停靠港口序列;根据VLCC轨迹提取习惯航路,以航路中的交叉点为依据设置观测线;利用船舶航行轨迹数据判断船舶是否经过观测线以及经过观测线的方向,对不同方向分别计算船舶在挂靠港间的转移概率矩阵和船舶挂靠港与观测线间的输出概率矩阵,建立VLCC目的港预测模型并进行预测。研究结果表明：在大多数情况下VLCC目的港预测的准确率可以达到70%以上;航线越固定、运行越规律的船舶,预测准确率越高;船舶越靠近目的港,预测越准确;重载状态下的船舶目的港预测更准确。     

为大型体育竞赛提供有效的信息服务——以湖南省体育信息服务为例

在第10届全运会信息服务研究的基础土,总结经验,对全运会信息服务从组织管理、服务方式、内容、重点及保障等方面进行论述,提出以信息提供、专题研究为主要手段,重点项目、主要对手为主要研究内容,以远期、近期、赛前为时间尺度的三个阶段的团体名次预测等进行信息研究。