简介：摘要目的分析用血趋势，建立红细胞供应量预测模型。方法收集厦门市中心血站2008-2017年各血液成分供应量，做趋势分析，建立红细胞的预测模型。结果2008-2017年厦门市各血液成份供应量红细胞年平均增加12.7%，单采血小板年平均增加26%，冷沉淀年平均增加29%。A型、B型、O型、AB型红细胞月供应量预测模型分别为ARIMA（1，1，1）（1，2，1）12，简单季节性，简单季节性，ARIMA（1，1，1）（2，1，2）12。结论厦门市血液制品供应量总体呈增加趋势，时间序列分析可用于红细胞的月供应量建模，为采供血管理提供支持。

简介：针对由于非线性小样本河川年径流量预测难度较大的问题,可采用时间序列法的分段预测机制,为了消除预测模型选择的的误差,须考虑样本数据发生的概率因素考虑,鉴于此,基于数据量多少的原则可对概率进行量化,提出一种数量概率量化的方法,结合时间序列,进而可建立一种河川年径流量的预测方法,时间序列选用一次或二次函数相结合的分段模型。为了验证方法,基于开都河年径流量数据,作出考虑和不考虑数量概率量化两种方法的对比结果,结果表明考虑概率的预测准确性有较大提高,并基于其对该河未来数年的年径流量进行了预测。

简介：摘要随着社会经济的发展，信息技术的进步，建筑工程项目建设的规模也在逐渐扩大。本文笔者毕业于环境艺术设计专业，长期从事工程造价方面的工作，现将工程量清单计价模式来作为前提，在时间序列的基础上就建筑工程造价预测方法进行详细地阐述。

简介：针对因影响因素众多而难以预测的隧道沉降问题,使用粒子群算法（PSO）优化支持向量回归模型（SVR）并结合灰色理论中的等维新息,提出了混合模型对隧道沉降时间序列数据进行预测研究.与ELM极限学习机预测模型及PSO-BP神经网络预测模型进行了对比实验.发现等维新息SVR模型在预测精度上要优于其它两个模型,于是得出该模型可以有效地应用于隧道沉降时间序列的预测研究.

简介：摘要在中国，建筑工程造价的预测主要是通过单位指标法，即根据工程的特征、结构、以及规模套用相应的预测指标，计算并汇总实现的。该过程不但复杂耗时，还难以保证精度。不同国家有不同的建筑工程造价预测的规范和方法，但为了提高预测精度使其更具有市场意义，各国学者目前都极为关注与计算技术领域的结合。本文基于时间序列的建筑工程造价预测进行了研究。

简介：摘要在社会经济飞速发展，科学技术不断的进步，建筑工程施工项目规模也在逐渐的扩大，建筑工程的造价是工程项目建设基础，只有做好了工程项目造价的工作，才能有效的确保工程顺利开展，进一步的确保工程施工质量。基于此，本文主要结合作者实际工作经验，简要的分析时间序列的建筑工程造价预测，希望对相关从业人员参考借鉴。

简介：据2018年美国癌症协会统计,膀胱癌发生率居于男性恶性肿瘤发生率的第四位,及时诊断和个体化治疗可以预防膀胱癌的进展,明显提高患者生存期。研究表明利用机器学习的研究方法可以提高膀胱癌诊断的准确性、辅助临床医生选择精准治疗方案并进行预后分析。

简介：

简介：随着现代社会主义市场经济的发展，建筑业不断促进国民经济发展。基于建筑业的重要发展现状和面临的激烈市场竞争，建筑工程的重大工程项目需要在施工过程中对工程造价进行时间序列分析，做出积极的改进。这些积极的措施对于提高建筑施工企业的市场竞争力有着非常重要的作用。本文对时间序列的建筑工程造价预算进行了一定的探讨。合理的预算和控制建设项目工程造价将有助于推动中国建筑业的蓬勃发展。

简介：目的探讨宁波市大气颗粒物中可吸入颗粒物（inhalableparticulatematter,PM10）及细颗粒物（fineparticulatematter,PM2.5）的浓度对流感样病例发病的影响。方法应用分布滞后非线性模型对2014-2016年的大气颗粒物PM10及PM2.5的浓度与同期流感样病例的时间序列进行研究,分析两者之间的关联性,计算相应归因危险度百分比（attributableriskproportion,AR%）以评估污染物对流感样病例发病的急性效应。结果两种颗粒物浓度均与流感样病例发病数呈正相关,单污染物分析中,两种大气颗粒污染物均会造成短期内的流感样病例发病的增加,且产生的影响表现出滞后性和收获效应,其中PM10产生的效应AR%值要高于PM2.5,滞后0-7d的累积AR%值分别为5.13%（95%CI：2.94%-7.37%,P〈0.001）和2.52%（95%CI：-0.75%-5.90%,P=0.139）。而双污染物分析中,调整其他气态污染物后,PM10与流感样病例之间的关联强度发生改变,PM2.5仅在纳入二氧化氮（nitrogendioxide,NO2）后引起滞后0-7d的流感样病例发病的增加。结论颗粒物PM10及PM2.5浓度的升高会引起同期流感样病例发病的增加。

简介：介绍并比较了两种有监督的机器学习方法：BP神经网络和决策树。用两种方法分别论证了如何利用测井信息非线性地表示孔隙度。与传统的线性回归方法相比,机器学习效果更好,准确性更高。BP神经网络和决策树的应用效果表明,机器学习可以有效预测孔隙度,也可以应用于储层孔隙度预测中。相比之下,神经网络具有更高的准确性和更广阔的前景。

简介：摘要随机交互金融模型技术近年来被广泛用于时间序列分析，时间序列挖掘技术主要包括关联分析、序列分析、分类分析、聚类分析和异常检测等五类。由于金融领域的时间序列具有一些重要的特征，因此将各种挖掘方法与金融时间序列的特征，以及各种传统的时间序列分析模型相结合，是目前金融时间序列挖掘领域的研究热点。

简介：

简介：为了对电网设备档案数据中无法提炼错误规则的数据问题进行自动诊断,提高数据质量,文章利用大数据机器学习技术,运用机器学习算法,对数据进行自动检测;基于Spark分布式内存计算,利用K-Means聚类算法对档案数据进行聚类训练,再对训练后数据进行分析和处理。试验证明,基于本方法论形成的自动诊断工具能够大幅降低在数据治理工作中的人力投入,减少工作量,降低工作成本,并且可以获得比人力筛查更详细更准确的结果。

简介：机器人要变得更聪明，就得依赖人工智能的发展。科学家正在研究如何让人工智能更好地理解我们的世界。让我们来初步了解一下人工智能的学习方式吧。

简介：Bowling＆Beckhoff毋庸置疑，保龄球在美国是一项很受欢迎的体育运动。据估计，美国每年约有7千万人会去打保龄球：其中有超过两百万人是保龄球俱乐部成员，定期去打保龄球。作为一个联盟机构，“美国保龄球协会”（USBC）负责通过大量的材料和质量测试协调和确保这项运动的技术完善性。

简介：在工业物联网高速发展的同时，伴随着网络安全威胁的急逮攀升，准确检测到威胁工业物联网安全的入侵行为是极其重要的。本文简要分斩了工业物联网所面临的网络安全问题，采用了6种基于机器学习算法的入侵检测技术，并对应用效果进行对比分析。通过实验验证了入侵检测的有效性，并对下一阶段的研究方向做出了展望。

简介：校园氛围研究已有近百年的历史，在校园氛围的概念、维度、测量工具等方面形成了许多有价值的成果和思考。近年来，校园氛围研究成为西方教育理论界较为引人注目的研究领域，其研究成果也成为提高学校教育质量新的突破口。

简介：清华大学藏战国竹简系战国中晚期楚地筒册，目前已出七辑，共包含经、史类文献三十四篇。作为筒牍研究领域的一大新兴热门课题，迄今为止已取得丰硕研究成果，包括已出版专著二十余种，已发表论文成果上千余篇。清华简的许多内容为已往传世文献之所未见，这对于历史学、文献学、古文字学等研究领域都具有重要学术价值。

简介：文化自信是一种更基础更广泛更深厚的自信.当前,学界关于文化自信的研究主要集中在以下几方面文化自信的内涵、特点和意义,坚定文化自信的路径,文化自信的相关关系,习近平关于文化自信的重要论述.随着理论与实践的发展,对文化自信需要在研究方法、内容等方面继续深入研究.