为了提升航班运行风险预测精度，基于某航空公司2016—2018年航班运行风险数据，在验证15个风险时间序列的混沌特性后，构建基于多变量混沌时间序列的风险预测模型。首先，对15个风险时间序列进行多变量相空间重构，采用主成分分析法（PCA）对相空间进行降维处理；然后，基于迭代预测的方式，分别采用极限学习机、RBF神经网络、回声状态网络和Elman神经网络建立风险短期预测模型；最后，以降维后的相空间作为输入，计算并比较分析未来1～7 d的风险预测结果。结果表明：多变量相空间重构后总维数为62维，经PCA降维处理，降至31维；在不同的预测模型中，降维后RBF模型预测效果最佳；其中，预测第1天结果相对误差<25%出现频数为82.62%，至第5天仍达75%以上；该模型第1天预测结果的修正平均绝对百分比误差（MAPE）值为11.32%，且前5 d均低于20%，满足航空公司使用要求。1～5 d预测结果对航班风险管控具有实践操作价值，证明基于多变量混沌时间序列的风险预测方案可行、有效

经过建国后近30年的社会主义建设(苏联模式的社会主义),中国基本上形成了一整 套较为完整的工业体系和国民经济体系。但是,由于长期“左”的干扰,加上“文革”的 破坏,到1976年,中国的国民经济已经面临崩溃的边缘,1976年的工农生产总产值只比 上年增长1.5%,主要产品绝大部分没有完成计划产量;国民收入下降2.7%,实际上已处于 负增长的状态;人民的物质生活水平比10年前下降;而且与发达国家经济的差距越拉越 大

以番茄酱加工废水为培养基质，以SBR反应器的运行模式探讨颗粒化过程中的颗粒污泥粒径变化及对COD、N、P的去除能力；并分析颗粒污泥和絮体污泥以不同比例共存时的污泥特性、出水水质、有机污染物降解能力和混合污泥系统的污泥最佳比例。颗粒污泥的优势粒径范围在0.45～3 mm之间，对COD、${{\\rm{NH}}_{4}^{+}} $

价格的变动引起需求量和供给量的变动是肯 定的,但是其变动的影响对不同的商品程度是不 样的,在经济学上用弹性理论加以描述或说明 弹性理论是说明价格的变动比率与需求量或 供给量变动比率间的关系(前者为需求价格弹性, 后者为供给价格弹性)

(1)简述对比态法的特点和优缺点。 (2)简评几种主要的立方型状态方程。 (3)缩项virial方程的使用范围及其优缺点 (4)处理混合物时,如何使用对比态法 (5)临界参数在化工热力学计算中的重要性,并举实例说明

一、比拟放大的内容: 罐的几何尺寸,通风量,搅拌功率,传热面积 和其他方面的放大问题,这些内容都有一定的 相互关系

工业中常用带埋管的移动床来加热或冷却固体颗粒物料,其过程涉及颗粒流与管壁间的复杂传热,而颗粒绕流圆管的流动过程对其传热效果起着决定性作用.为简化描述颗粒的流动过程,通过分析颗粒绕流圆管的特性,建立了拟漏斗流模型,并给出了模型所需颗粒绕流圆管描述参数的取值范围,模型可用以求取颗粒绕流圆管的速度场和时长等参数.建立了埋管移动床实验系统,考察了颗粒绕流顺排管束的过程;同时利用离散单元法(DEM)对该过程进行数值模拟,获得了颗粒绕流圆管的流动过程,并利用移动床实验结果对比验证了离散单元法数值模拟结果;最后,对比了基于拟漏斗流模型的计算结果和离散单元法数值模拟结果,并根据此结果对拟漏斗流模型的描述参数进行了确定

概述: 微生物引起的疾病在动物疾病中占 有比较高的比例,并且给养殖业造成了 较大的危害。 有的微生物还会引起人和动物共同 患病(人畜共患病)。 像近几年连续发生的非碘、禽流感 猪链球菌感染等,都是由于微生物的感 染而发病的

金属有机框架材料 (Metal-organic frameworks，MOFs）是一种新颖的多孔晶体材料，具有比表面积大、孔隙率高、结构可设计性强等优点，但是，MOFs的低电导率以及在电解液中的稳定性等问题限制了其作为电极材料的应用。近年来，如何结合MOFs的优势进行锂离子电池电极材料的设计与合成受到了越来越多的关注。目前，通过自牺牲得到的多孔碳骨架和金属化合物等MOFs衍生复合电极材料，不仅解决了电导率低的问题，而且保留了MOFs的高比表面积和复杂多孔结构，为锂离子的插入/脱出、吸附/解吸等过程提供了丰富的活性位点；与此同时，从结构单元和化学组成方面增加了材料结构的复杂性，开放性的孔隙结构可以缓冲体积膨胀带来的机械应力，对外来离子存储和多离子传输具有重要的意义。本文综述了MOFs及其衍生物在锂离子电池电极材料的设计和研究中取得的最新进展，重点阐述了针对锂离子电池电极材料的要求进行MOFs形貌控制和修饰的方法，以及具有多孔、中空或特殊结构的MOFs衍生电极材料的制备关键影响因素及其结构特性对电化学性能的影响。最后，分析了MOFs衍生电极材料的研究挑战和发展方向

注意力缺陷多动障碍（ADHD）是儿童期最常见的精神疾病之一，在大多数情况下持续到成年期。近年来，基于功能磁共振数据的ADHD分类成为了研究热点。文献中已有的大多数分类算法均假设样本是均衡的，然而事实上，ADHD数据集通常是不平衡的。传统的学习算法会使得分类器倾向于多数类样本，从而导致性能下降。本文研究了基于不平衡神经影像数据的ADHD分类问题，即基于静息状态功能磁共振数据对ADHD进行分类。采用功能连接矩阵作为分类特征，提出了一种基于多目标支持向量机的ADHD数据分类方案。该方案将不均衡数据分类问题建模为具有三个目标的支持向量机模型，其中三个目标分别为最大化分类间隔、最小化正样本误差和最小化负样本误差，进而正负样本经验误差可以被分开处理。然后采用多目标优化的法向量边界交叉法对模型进行求解，并给出一组代表性的分类器供决策者进行选择。该方案在ADHD-200竞赛的五个数据集上进行测试评估，并与传统分类方法进行对比。实验结果表明本文提出的三个目标支持向量机分类方案比传统的分类方法效果好，可以有效的从算法层面解决数据不平衡问题。该方案不仅可用于辅助ADHD诊断，还可用于阿尔茨海默病和自闭症等疾病的辅助诊断