In silico prediction of Tetrahymena pyriformis toxicity for diverse industrial chemicals with substructure pattern recognition and machine learning methods

There is an increasing need for the rapid safety assessment of chemicals by both industries and regulatory agencies throughout the world. In silico techniques are practical alternatives in the environmental hazard assessment. It is especially true to address the persistence, bioaccumulative and toxicity potentials of organic chemicals. Tetrahymena pyriformis toxicity is often used as a toxic endpoint. In this study, 1571 diverse unique chemicals were collected from the literature and composed of the largest diverse data set for T. pyriformis toxicity. Classification predictive models of T. pyriformis toxicity were developed by substructure pattern recognition and different machine learning methods, including support vector machine (SVM), C4.5 decision tree, k-nearest neighbors and random forest. The results of a 5-fold cross-validation showed that the SVM method performed better than other algorithms. The overall predictive accuracies of the SVM classification model with radial basis functions kernel was 92.2% for the 5-fold cross-validation and 92.6% for the external validation set, respectively. Furthermore, several representative substructure patterns for characterizing T. pyriformis toxicity were also identified via the information gain analysis methods.     

基于支持向量机(SVM)的民用飞机重着陆智能诊断研究

针对国内航空公司对于重着陆的判断方法存在的不足,提出采用支持向量机(SVM)建立重着陆的智能诊断模型;分析对重着陆产生影响的相关因素,在力学基础上揭示了重着陆的产生原理;利用快速存取记录器中记录的多个飞行参数的信息,采用B737机型的实际样本数据进行训练和验证。结果表明:该方法能有效判断出是否发生重着陆,其准确率高达92.86%,证明该重着陆智能诊断方法具有较强实际应用价值,为后续研究奠定了基础。     

用于早期火灾分类的非线性决策树支持向量机

对早期火灾信息进行研究,提出了一种基于非线性决策树的支持向量机多类分类模型。该模型利用非线性映射将样本投影到高维特征空间,比较每类样本在高维空间的分布情况,进行聚类构造出一个二叉决策树,使容易区分的类别从根节点逐层分类出来,有效克服了错分积累和避免不可分情况;同时,各个节点采用二值最小二乘小波支持向量机,以获得较高的泛化能力。该文将该模型用于早期火灾分类,并与BP神经网络、K近邻法和决策树方法进行比较,实验结果表明,该模型对早期火灾的识别率更高。     

一种新型的矿井突水分析与预测的支持向量机模型

针对矿井突水样本数少,信息不完整的特点,提出了矿井突水分析的线性核H-SVMs模型。推导模型的理论推广误差公式,设计自顶向下基于SVM最大间隔逐层分类构造H-SVMs的新方法,并应用于实际的矿井突水预测。实验结果表明,线性核H-SVMs模型结构简单、泛化能力强,不仅能很好地预测矿井突水,而且其层次结构能正确反映突水的等级关系,各判别函数的法向量还可以指示各突水影响因素的权重,通过判决函数能有效分析突水影响因素并提取突水预测规则,为矿井突水预测提供了新的方法。     

基于车载机器视觉的汽车安全技术

在描述汽车驾驶操作过程基础上,根据信息获取范围将汽车安全辅助驾驶的机器视觉分为外部信息的机器视觉与内部信息的机器视觉技术,包括视觉增强、视野扩展、道路环境理解、视线跟踪与驾驶疲劳监测;逐个阐述其作用机理,综述其国内外研究现状,并归纳出研究重点;分析了汽车安全辅助驾驶系统中机器视觉技术当前研究不足。笔者认为,低能见度驾驶员视觉增强方法、道路环境理解信息融合以及驾驶疲劳检测等技术需进一步开展研究。     

基于支持向量机的浮游植物密度预测研究

利用支持向量机方法对具有非线性及突发性特点的浮游植物密度进行了预测,同时与人工神经网络方法预测的结果进行了比较.结果表明,无论是拟和能力还是预测能力,支持向量机方法都明显优于人工神经网络方法,支持向量机方法比较适合于具有小样本、非线性特点的浮游植物密度预测研究.     

基于PCA-PNN的采空区多源指标危险性辨识

为了提高采空区多源指标危险性辨识的预测精度,基于主成分分析(PCA)和概率神经网络(PNN),提出1种采空区多源指标危险性辨识方法。将影响华东某地区矿山采空区危险性辨识的9项因素作为主要影响因素,并以96个实测采空区为例进行分级。研究结果表明：与朴素贝叶斯、随机森林和AdaBoost 3种机器学习算法相比,PNN在测试集上表现更好,对实际工程具有良好的指导意义和应用价值。     

基于迭代退火算法的高压变频器功率单元频繁故障诊断方法研究

现有的变压器故障诊断方法较为复杂且计算冗余度较高,在高压变频器的功率单元频繁发生故障时难以高效地检测故障。为此,提出基于迭代退火算法的高压变频器功率单元频繁故障诊断方法。采用小波包分解方法提取高压变频器功率单元的电压信号特征熵,将该特征熵输入到支持向量机模型。使用迭代退火算法优化支持向量机的训练参数,并输出诊断结果。研究结果表明：该方法提取的高压变频器单元故障的平均冗余度最低至3.2%,平均诊断时间为15.1 ms,可实现高压变频器功率单元频繁故障的高效诊断。     

生物质固体成型燃料技术及设备研究进展

介绍了国内外生物质固体成型燃料技术与产业及成型机发展现状,综述了生物质固体燃料成犁机的几种类型及特点,对各种成型设备的性能和应用进行了比较,并针对目前国内生物质固体成型燃料技术及没备存在的问题,提出了我国生物质固体成型燃料及设备产业化的发展方向.     

扬尘源粒度组成筛分方法比较

为建立扬尘源筛分规范依据,选取F150标准砂和道路尘作为待测样品,对比国产3种振动方式(电动式、震击式和拍击式)振筛机和3个厂家试验筛的筛分性能. 结果表明:①经过拍击式振筛机和F150标准砂检验,A、B、C三厂试验筛的筛分性能差异较大,得到200目(75μm)试验筛的筛上累计含量(以质量分数计)分别为78.9%、65.9%和57.9%,B厂和C厂结果小于F150标准砂76.1%的基准值;②3种振筛机的筛分性能也存在差异,震击式振筛机筛出率略小于拍击式振筛机,但电动式振筛机筛分不彻底,其对道路尘样品中粒径≤75μm和粒径≤38μm粒子的筛出率分别只有另外2种振筛机的1/2和1/4;③3种振筛机筛分结果一致性顺序为拍击式>震击式>电动式. 建议使用拍击式振筛机或震击式振筛机与性能好的A厂试验筛组合筛分得到粒径≤75μm的样品,使用拍击式振筛机和性能好的A厂试验筛组合筛分得到粒径≤38μm的样品.