关键词： 统计机器学习   不平衡数据   强激光作用   电离   分类方法  

摘要： 随着科学技术的日益发展,在很多领域产生了复杂且体量巨大的数据。如何从各种各样的数据中获得有价值的信息是一个值得研究的方向,其中,对数据进行分类则是关键的一步。在传统分类算法中,对于样本中类与类之间的数量以及误分类的代价等方面的研究较少。在处理不平衡数据的问题时,传统分类算法的性能表现有待提高。因此,针对不平衡数据的研究应运而生。不平衡数据在经济、医学等领域十分常见。例如:解决欺诈检测、医疗诊断和垃圾邮件过滤任务。目前很多学者针对不平衡数据的分类进行了大量研究,例如:从数据采样层面、单类学习层面与集成学习层面处理不平衡数据的问题。对于数据采样层面,主要分为欠采样和过采样两种方式,通常用SVM、KNN等传统分类方法作为基分类器。对于单类学习,其训练只包含一类样本的数据,不具有稳定性。单分类器集成是近几年的一种新的方法,是将不同标签数据训练所获得的单分类器集成起来,相比于单分类,效果有了进一步提升。在原子研究领域,强激光场辐照体系下的电离行为是该领域的研究热点。强激光与原子之间的相互作用会产生高次谐波发射以及非次序双电离等非线性的现象。这些现象可以通过“半经典”模型来作出解释:原子在强激光的作用下,可以通过隧穿或者是越垒的方式进行电离。之后,电离的电子在激光场的振荡作用下可能会返回到母体离子发生重碰。现存的原子在强激光作用下电离的研究一般是基于电离之后的轨迹分析,而在电离之后,重碰的行为明显少于非重碰的行为,这使得相关数据集产生了不平衡的现象。由此,基于非平衡分类法的原子在强激光作用下电离的研究是非常重要的。本文的主要目标是增强不平衡的原子电离数据的分类效果,一方面,我们将采样技术与现有的分类方法进行结合,与不平衡数据研究方向中的最新研究成果单分类集成方法进行评比,在评价指标上给出结果。另一方面,将过采样、欠采样与分类方法结合前和结合后的结果进行对比,以求掌握不同采样技术与常用分类方法结合后的整体结果。本文提出一种基于单分类的神经网络的统计机器学习方法来研究强激光作用下原子的电离之后电子的状态分类问题,数据集为电离之后电子的位置数据和动量数据。首先针对数据集进行处理,分别进行了特征生成和主成分分析;然后计算每个样本的集成单分类分数,将其作为每个样本的特征;在得到新特征之后,通过神经网络方法进行分类。本文方法与普通分类方法、过采样与欠采样方法以及集成单分类方法在AUC值、准确率、精确率、召回率和F1分数等几个方面进行了比较,证明了本文所提出的分类模型在原子电离数据上的分类效果更好,能够有效地对电子是否会发生重碰行为做出预测并判定,具有对激光实验中判定电子状态的实际意义,对后续的激光实验中的研究提供了支撑作用。

关键词： 集成学习   非甾体镇痛药   白细胞降低不良反应   不平衡数据   组合模型  

摘要： 疼痛一直是困扰医生和患者的一大难题,近年来镇痛药的种类也逐渐增多,从生活中常用来缓解头痛、腰痛的布洛芬,到医院手术常用的吗啡等药物,镇痛药的使用极大地减轻了患者的疼痛,也有利于医生为患者进行更好地治疗。但也出现了镇痛药物滥用现象,其中使用非甾体镇痛药会导致患者出现白细胞降低不良反应也引起医生和学者的关注。但目前缺少对于患者使用非甾体镇痛药后是否出现白细胞降低不良反应的合理预测模型,本文建立机器学习模型,并进行逐步挑选、改进,得到更为优质的预测模型,能够为医生在开具非甾体镇痛药时提供参考意见,有效减少因使用非甾体镇痛药而导致患者出现白细胞降低不良反应的风险。本文通过山东省某三甲医院2020年使用非甾体镇痛药的患者信息,以一部分符合标准的患者信息数据为样本,利用非甾体镇痛药患者的各种身体指标建立KNN模型、Logistic回归模型(LR)、ANN模型三种常用单一机器学习模型和随机森林(RF)、XGBoost两种常见集成学习模型,计算各模型准确度、灵敏度、特异度、AUC值、F1值,对比不同模型的优劣,并通过选取采样方式、组合模型等方法,形成表现更优的机器学习模型——SE-XGRF模型(SMOTE+ENN采样的XGBoost+RF模型)。同时,本文以使用非甾体镇痛药后出现白细胞降低不良反应的患者为样本,将白细胞降低不良反应的时间分为0-7天、8-14天两段和0-3天、4-7天、8-10天、11-14天四段,利用各种模型预测患者出现白细胞降低不良反应的时间,并比较准确度,寻找合适的时间段预测模型,希望可以为医生开具非甾体镇痛药以及患者使用非甾体镇痛药后的检测提供帮助。研究结果表明:(1)三种单一机器学习模型在判断患者总体使用非甾体镇痛药后是否出现白细胞降低不良反应方面表现较好,同时三个模型的特异度均大于90%,表现也较好。但从灵敏度来看,logistic回归模型为14.1%,KNN模型灵敏度为12.4%,ANN模型的灵敏度为18%,灵敏度均较低。随机森林、XGBoost的灵敏度为28.1%、32.4%,虽较单一机器学习模型有所提升,但在灵敏度上的表现依旧有所欠缺。(2)基于原始样本数据不均衡问题,本文采用SMOTE过采样、EasyEnsemble欠采样、SMOTE+ENN混合采样对XGBoost和RF模型进行数据平衡,通过对比不同采样方式下的模型性能,发现SMOTE+ENN采样方式下的XGBoost和RF模型灵敏度分别为77%、69%,优于其他两种采样方式。(3)为进一步提高模型预测性能,本文在SMOTE+ENN采样方式下使用Soft Voting方法组合XGBoost和RF模型,组合模型各项指标均优于XGBoost和RF模型。(4)将白细胞降低发生时间分为两段时,使用Logistic模型、ANN模型均能实现很好得预测;将时间分为四段时,Logistic模型的表现较为优异。本文的研究目的是补充目前对于使用非甾体镇痛药后白细胞降低不良反应的研究,将机器学习尤其是集成学习应用到非甾体镇痛药不良反应的研究中,挑选出灵敏度较高的机器学习模型,并对其进行合理的改进,在保证准确度的前提下尽可能提升模型的灵敏度,另一方面是补充对药物不良反应的研究,创新性提出SE-XGRF模型,能够更好平衡药物不良反应的数据,提高灵敏度,优化模型性能。

关键词： 大跨斜拉桥   拟静力响应   相关模式   健康诊断   机器学习   结构健康监测  

摘要： 交通运输是人民安全出行和经济社会运转的坚实保障,其中桥梁将江河、峡谷这样的交通天堑变为通途。大跨度桥梁承载重、服役环境恶劣、受力复杂,严重威胁桥梁服役安全。结构健康监测广泛应用于大跨桥梁,通过监测环境、荷载和结构响应对结构进行健康诊断。由于初始残余应力和缺陷、车辆和温度等荷载与结构损伤共同影响结构响应,监测数据包含桥梁状态及环境、荷载的综合信息,不能直接由结构响应数据诊断桥梁健康状态。如何挖掘与环境、荷载无关但与结构参数有关的特征是结构健康监测的核心科学问题之一。研究响应之间仅与结构参数有关的相关模式是一个切入点。本文基于机器学习挖掘数据相关特征的优势,探索监测数据的相关模式,以消去荷载与环境影响,提取结构信息,发现新健康指标,研究基于监测数据相关模式的健康诊断方法。本文主要研究内容如下: (1)研究大跨斜拉桥车致竖向变形相关模式与健康诊断方法。首先,将双侧拉索支撑桥梁横截面简化为简支梁模型,分析竖向变形沿横桥向的相关特征,提出上下游车致竖向变形比指标,采用聚类算法和EM算法识别不同车道竖向变形比作为桥梁健康诊断指标;其次,分析桥梁影响线,提出桥梁纵向不同截面竖向变形绝对值积分比指标,该指标仅与桥梁结构参数有关而与荷载无关,从而发现了桥梁健康诊断新指标。最后,提出基于健康诊断指标控制图分析的健康诊断方法,并采用某大跨斜拉桥健康监测数据对所提方法进行验证。 (2)建立基于Bi LSTM网络的斜拉桥车致竖向变形和车致索力时序相关模型。首先,分别以所有可用竖向变形通道和索力通道为输入和输出,建立斜拉桥竖向变形与索力时序相关的全桥整体Bi LSTM模型;其次,为解决个别传感器损坏将对整体模型造成不良影响的问题,构建基于Sobol’灵敏度的局部Bi LSTM模型,对于某给定斜拉索,基于Sobol’灵敏度选择仅含少数竖向变形通道的组合作为输入。最后,采用某大跨斜拉桥健康监测数据对所建模型进行验证,对比整体模型与局部模型学习效果,分析温度、噪音和车流量对所提模型的影响。 (3)研究基于域转换网络的斜拉桥车致竖向变形和车致索力分布相关建模与健康诊断方法。首先,对车致竖向变形和车致索力时程数据进行核密度估计,得到竖向变形PDF和索力PDF,作为域转换网络的输入和输出;其中类内重构和类间转换分别通过变分自编码器和生成对抗网络实现,竖向变形PDF与索力PDF之间的相互转换能力通过共享隐空间和循环一致性限制保证;然后,Wasserstein距离用以衡量预测PDF与实测PDF之间的相似度,作为斜拉索健康诊断指标。最后,采用2座大跨斜拉桥健康监测数据验证所提方法的转换效果及斜拉索健康诊断效果,对其中一座斜拉桥进行有限元分析对比索力和竖向变形对斜拉索损伤的敏感度。 (4)研究基于Transformer的斜拉桥温度和温致应变相关建模与健康诊断方法。首先,通过力学分析对比趋势项和车致项对损伤的敏感度,并分析温度与温致应变的时滞特点;其次,建立温度-温致应变Transformer模型,分别以温度和应变趋势项作为模型输入和输出,其中编码器学习温度的深度表达,解码器学习温度-应变和应变-应变之间的相关性;然后,通过对应变重构误差的控制图分析进行桥梁健康诊断。最后,采用2座大跨斜拉桥健康监测数据验证所提方法的健康诊断效果及模型改动有效性。

关键词： 环状RNA   RNA结合蛋白   疾病   机器学习   病毒circRNA  

摘要： 环状RNA(circular RNA,circRNA)是由反向剪接形成的共价闭合单链RNA分子,表达稳定。研究表明,circRNA与RNA结合蛋白(RNA binding proteins,RBP)相互作用,与多种疾病关联,是癌症诊断和治疗中新兴的生物标记物。另外已经在被病毒感染的人体细胞中发现了病毒circRNA,它们会干扰免疫系统并诱发包括人类癌症在内的疾病。因此,对circRNA进行系统研究是当前生物信息学领域的研究热点之一,开发有效的计算方法仍是未来的工作重点。本文旨在基于circRNA的多种生物数据,建立计算模型识别circRNA分子、预测circRNA-蛋白质的相互作用位点、预测circRNA-疾病关联,及对病毒circRNA进行功能分析。本文的主要研究内容如下:(1)基于改进极限学习机算法的circRNA预测研究论文首先根据circRNA的成环特点构建反向补体匹配特征(reverse complement matching,RCM)编码circRNA,及利用保守分数、图结构和核酸组成等方法编码circRNA。然后使用最大相关最大距离(max-relevance-max-distance,MRMD)方法进行重要特征选择。随后使用粒子群算法(particle swarm optimization,PSO)对极限学习机(extreme learning machine,ELM)算法进行优化,提高模型的性能。最后,在2个数据集上,使用构建的模型Cir RNAPL实现circRNA与lnc RNA、在干细胞表达的circRNA与未在干细胞表达的circRNA的区分。通过十折交叉验证(ten-fold cross-validation,TFCV)和独立测试集验证证明了Cir RNAPL模型的分类准确率、鲁棒性和可扩展性。(2)基于集成多尺度残差网络的circRNA-RBP相互作用位点预测研究为了学习有效的circRNA的文本语义信息,论文构建Circ2vec特征编码方案。并计算k-nucleotide频率、电子离子相互作用势(electron-ion interaction potential,EIIP)特征、核苷酸的化学特性及积累核苷酸频率(Accumulated nucleotide frequency,ANF)对序列进行编码。然后使用深度多尺度残差网络(multiscale residual network,MSRN)和具有自注意机制的双向门控递归单元(bidirectional gated recurrent units,Bi GRUs),提取局部和全局上下文信息,学习高层次的特征表示。并结合Adaboost集成算法构建学习模型CRBPDL。最后论文在37个circRNA数据集和31个线性RNA数据集上验证CRBPDL的有效性。(3)基于图马尔科夫神经网络的circRNA-疾病关联预测研究论文首先整合已知的circRNA-疾病关联数据,使用高斯核相互作用核分别计算circRNA、疾病的相似性网络,使用疾病间的有向无环图构建疾病的语义相似网络。然后提出一个基于图马尔科夫神经网络(graph markov neural networks,GMNN)的计算模型GMNN2CD,集成变分推断和图自动编码器,实现circRNA-疾病的预测。设计特征推理网络用于从circRNA和疾病的特征来推断表征,设计标签传播网络从已知的circRNA-疾病关联中传播标签。采用变分(expectation-maximization,EM)期望最大化算法交替训练两种自编码器。最后,使用5折交叉验证(five-fold cross-validation,FFCV)证明GMNN2CD在circRNA-疾病关联预测方面的先进性,使用案例分析证明GMNN2CD的预测性能。(4)病毒circRNA特征分析及功能研究病毒可以编码circRNA,在多种单链和双链病毒中都发现了病毒circRNA。然而,病毒circRNA的特征和功能仍然未知。论文首先对23种病毒circRNA进行系统分析,然后对冠状病毒中circRNA针对性分析。在综合分析时,论文对病毒circRNA序列进行比对分析其保守性;基于病毒circRNA序列提取RCM、保守分数特征、图结构特征、组成特征,比较病毒circRNA和一般动植物circRNA的序列特征差异;分析病毒circRNA与微RNA(micro RNA,mi RNA)相互作用,并进行了基因本体(Gene Ontology,GO)和京都基因与基因组百科全书(kyoto encyclopedia of genes and genomes,KEGG)通路分析。然后,通过分析源自RNase R处理的冠状病毒SARS-Cov1和SARS-Cov

关键词： 贝叶斯理论   神经网络   原子核低激发谱   原子核形状共存   原子核形状演化  

摘要： 原子核的低激发谱对于深入认识核结构具有重要意义,近年来实验上已经测得了数千个原子核的低激发能数据,理论上也发展出了许多方法来预言核低激发谱。但大多数理论对核低激发谱的预言都局限于部分核区,少有的能够系统计算核低激发谱的理论也仍然面临着一些挑战。因此,需要发展理论模型更好地描述原子核的低激发谱。 本文基于贝叶斯神经网络（BNN）方法和反向传播（BP）的神经网络方法系统研究了原子核的低激发谱,并将两种神经网络方法与五维集体哈密顿量（5DCH）方法的理论值进行对比。基于对原子核低激发谱的预言分析了原子核的形状共存、形状相变、形状演化,并且比较了三种理论方法的不同预言趋势。主要研究成果如下: 1.以02+、21+、22+、23+、41+为例,采用BNN方法研究了原子核的低激发谱。通过在除了质子数和中子数以外加入一个有关原子核集体性的输入,并且使用激发能的常用对数作为输出,BNN能够在0.1个Me V到数个Me V的大能量范围内很好地描述低激发能。相比于微观的集体哈密顿量模型,BNN显著改进了对原子核低激发谱的描述,基本在1.12倍的能量范围内再现包括过渡核以及幻数核在内的实验数据。BNN同时很好地描述了低激发能的同位素趋势,包括由壳效应导致的激发能在幻数处的突然增加,由形状共存导致的非常低的02+激发能以及由形状相变导致的复杂原子核形状演化。 2.采用BP神经网络方法系统研究了原子核的02+、21+、41+激发谱,通过将原子核的02+、21+、41+激发能作为同一网络的三个输出（TFo3方法）,该方法取得了与BNN方法类似的精度。在实验数据已知的核区,TFo3方法和BNN方法对原子核低激发能量的拟合趋势大体上是一致的,它们相较于5DCH方法的优势主要体现在对原子核壳效应的描述;在部分实验数据未知的核区,5DCH方法和BNN方法具有比TFo3方法更稳定的外推能力。进一步研究发现,与02+相比,21+和41+之间具有更明显的物理关联,为了更好地模拟21+和41+之间的关联性,将原子核的21+和41+激发能作为同一网络的两个输出（TFo2方法）,该方法相比5DCH方法预言精度分别提高约80%和75%,并且比BNN方法更好地描述了原子核轻核区与缺中子核区的低激发谱,这说明可以使用多任务神经网络统一精确地描述具有显著关联的物理量。

关键词： 生存期预测   肝癌   稀疏组Lasso   XGBoost   贝叶斯优化  

摘要： 肝癌是世界上最常见的恶性肿瘤之一,也是我国高发的消化系统恶性肿瘤,死亡率居第三位,并且发病率呈逐年上升趋势。准确的生存期预测不仅可以让肝癌患者摆脱焦虑,同时也可以给医疗工作者制定合理治疗决策提供帮助。本文结合基因特征与临床特征,对肝癌患者的生存期展开预测研究。主要内容描述如下:本文首先对高维带冗余特征的422个初始数据样本进行特征选择。考虑到基因表达特征与临床特征具有不同的生物学意义,本文对两种类型的特征分别构建专门的特征选择算法。对于维度较低的临床特征,我们使用传统的方差分析法筛选出肝癌相关临床特征。对于基因表达特征,考虑到其内部潜在的组结构,我们采用稀疏组Lasso特征选择方法筛选相关的致病基因。数据预处理和特征选择之后,初始的110个临床特征和20530个基因表达特征分别减少为15个和455个。特征选择之后,本文将对肝癌患者的标签进行预测,判断患者是长、短期生存样本。该步骤使用分类算法来实现,采用了K近邻(KNN)、朴素贝叶斯、决策树、XGBoost等多个算法进行预测研究。为获取最合适的参数,本文使用贝叶斯优化和网格搜索两种方法对模型参数进行调整。最后的实验数值表明:基于贝叶斯优化调参的XGBoost算法的预测效果更好,预测的F1＿score为0.85。与肝癌生存期预测的已有研究相比,本文在特征选取时,将临床特征和基因表达特征联合作为数据特征,在特征选择过程中,充分考虑到了两组特征各自的特点,分别给出合适的特征选择方法。考虑到基因特征间的潜在组特性,文章尝试使用稀疏组Lasso对其进行特征选择,并证实了其有效性。在预测生存期时,我们采用XGBoost算法进行预测,并选用贝叶斯优化方法(BO)对算法的参数进行优化。最后的数值比较可以看出:与其他的分类预测算法和常规的网格搜索调参算法相比,在本文的数据分类预测问题上,BO-XGBoost算法的效果最佳。

关键词： 急性缺血性卒中   弥散加权成像   影像组学   机器学习   预后  

摘要： 目的:基于弥散加权成像(DWI)的影像组学特征及机器学习方法构建急性缺血性卒中(AIS)患者90天预后的预测模型并进行验证,同时与使用临床特征构建的模型的预测效能进行比较。方法:回顾性分析于2020年1月至2022年1月在广西医科大学第二附属医院诊断为AIS患者的临床及影像资料,收集所有患者的临床特征等基线资料,根据90d-m RS评分,将患者分为预后良好组和不良组。对患者的基线资料进行分析并构建基于临床特征的AIS预后预测模型。将患者按7:3的比例随机分配到训练集和测试集,采集患者的DWI图像,采用MRIcro GL软件进行手动图像分割,使用Python的pyradiomics程序包进行影像组学特征提取,通过LASSO降维处理后获取最佳影像组学特征,将筛选出的特征纳入机器学习的支持向量机(SVM)算法进行建模。通过训练集训练模型,并在测试集上测试模型训练结果,采用受试者工作特征(ROC)曲线评估模型预测效能。结果:共纳入171例AIS患者,预后良好和不良者分别为134例和37例。单因素Logistic回归分析示既往卒中史、住院并发症、DWI-ASPECTS评分、入院时NIHSS评分、发病前m RS评分与AIS患者不良预后相关(p<0.05)。多因素Logistic回归分析示DWI-ASPECTS评分(OR=0.748,95%CI:0.611-0.916)和入院NIHSS评分(OR=1.213,95%CI:1.074-1.371)是AIS患者不良预后的独立预测因子(p<0.05)。数据划分结果为训练集119例和测试集52例。每例患者共提取出851个影像组学特征,经特征选择及降维处理后最终筛选出9个特征。基于临床特征的预测模型曲线下面积(AUC)为0.865,准确度为81.3%,灵敏度为81.1%,特异度为81.3%。基于影像组学特征的预测模型训练集AUC为0.930,准确度为92.0%,灵敏度为76.0%,特异度为97.0%;测试集AUC为0.906,准确度为90.0%,灵敏度为75.0%,特异度为95.0%。结论:基于DWI的影像组学特征及机器学习方法构建的预测模型,能够较准确地预测AIS患者90天功能预后,且其预测效能比基于临床特征构建的模型更好。

关键词： 水位预测   深度学习   TCN   Informer   Autoformer  

摘要： 淮河流域横跨豫、皖、苏三省,大多是平原地带,因此该区域耕地面积广泛,每年的粮产量在我国举足轻重;而且作为我国南北分界线的一部分,它的重要性不言而喻。但依据历史经验,淮河水域洪涝灾害频发,环境承载力欠佳,水位预测作为洪涝灾害的重要预防措施之一,能够有效推进淮河流域水利安全建设。水位预测作为学术界长期关注的问题之一,其理论及方法的发展不断迭代升级。灰色系统理论、多层递阶模型等传统预测方法在数据挖掘和人工智能的发展背景下被逐渐更新、取代,根据众多学者的研究表明,基于数据驱动的大数据分析方法能有效提高预测的精度。本文梳理以往学者预测水位所使用的方法,并查阅影响水位的因素,整理形成较好的数据集和较优的模型进行水位预测。首先,为探究如何提高水位预测结果的精确度,使用两种数据集来进行预测,其一是用单一变量(水位)预测单一变量(水位),其二是用多变量(水位、降雨量、流量)来预测单一变量(水位)。其次,在数据处理上,使用插补法以及生成对抗神经网络(GAN)进行填补,当数据量越大时,使用GAN填补效果越好。再次,在单步预测方法的选择上,使用奇异谱分析(SSA)来进行数据分解,再对数据分解后的残差项使用完全集成经验模态分解(CEEMDAN)进行二次分解,再将分解结果分别放到长短期记忆(LSTM)、梯度提升回归(GBR)、极端梯度提升(XGBoost)、轻量梯度提升器(Light GBM)预测模型以及长短期记忆(LSTM)和时序卷积网络(TCN)的组合模型来对淮河水位进行预测,最后使用网格搜索法对机器学习模型进行调参,使用遗传算法(GA)或者梯度下降法(GD)来求解神经网络模型参数的最优解。最后,尝试多步水位预测,未雨绸缪,预知风险,帮助合理规划。研究结果表明,在多变量输入单变量输出数据集(水位、流量、降雨量—水位)下使用SSA-CEEMDAN-LSTM-TCN模型的单步预测效果最好,说明更多有效的影响因素加入预测使得模型预测效果更佳。多步预测中Autoformer对水位预测时,预测时间越长效果越好。

关键词： 哮喘   免疫浸润   生物靶标   LASSO   SVM-RFE  

摘要： 哮喘是一种常见的非传染性慢性呼吸系统疾病。目前,世界上至少有亿哮喘患者,约占全球人口总数的。哮喘严重威胁着人类的身体健康,每年导致约万人死亡。然而,哮喘的预后治疗过程中基于临床实验的治疗方法存在着成本太高、消耗太大等难题。因此,应用统计机器学习方法寻找哮喘的生物靶标,探索哮喘分子机制成为了研究的热点。本文首先通过差异基因筛选方法对数据库中人类哮喘基因表达谱数据进行研究,获得了个与哮喘感染状态相关的差异表达基因,并通过富集分析发现差异表达基因主要在免疫相关的功能与通路富集。而后,通过对哮喘的差异基因进行核心基因筛选,得到了个在哮喘表达过程中的高度显著相关的基因;在此基础之上,运用和方法对哮喘生物靶标进行初筛,得到个候选哮喘生物靶标,我们通过数据集的对照研究,最终确定了两个生物靶标,分别为和。随后对哮喘样本中免疫细胞所占的相对比例进行估计,发现种免疫细胞的浸润情况在哮喘组和健康组存在显著差异,并发现哮喘生物靶标与部分免疫细胞存在显著的相关性。虽然已有众多的学者对哮喘生物靶标进行研究,但还有很多方面的问题有待解决。本文基于统计机器学习方法,围绕哮喘生物靶标的筛选以及哮喘与免疫浸润的关系进行研究,一方面为哮喘的靶标筛选与鉴定提供了预后方向,另一方面对哮喘的分子机制以及与免疫细胞的相关关系进行探讨,进一步为哮喘的治疗提供新的科学依据。

关键词： CO2提高采收率   机器学习   最小混相压力   模型验证   细管实验  

摘要： 注CO驱油既可以封存CO又可以提高油气采收率,因此,该方法受到了业内学者的广泛关注与重视。而混相驱油和非混相驱油的驱油效率差距极大,所以,决定驱油过程能否混相的最小混相压力（MMP）参数就变得尤为关键。常规细管实验确定MMP虽然准确,但测试效率较低;现有经验公式大多精度不高,局限性较大。机器学习的方法由于其方便、快捷、准确的特性,是用于预测MMP的最优方法之一。但是目前基于机器学习方法的研究大多存在输入因素筛选不充分、模型验证不充分等问题。因此,为了证明并解决这些问题,本文基于147组MMP数据,从主控因素筛选、模型建立、模型验证和模型应用的角度进行了MMP预测模型的研究工作:（1）本文在主控因素筛选方面首先采用灰色关联、皮尔森相关系数、肯德尔相关系数、斯皮尔曼相关系数、方差特征法、单变量线性回归法和树筛选等方法进行主控因素的筛选和评价,证明目前研究中主控因素筛选方式存在缺陷。在正负相关性方面,T、X、MWC、F、F和F参数与MMP呈正相关变化关系,X、X和F参数与MMP呈负相关变化关系。相关性排序从大到小依次是,T、X、Xc～c、F、MWC、Xc、F、F和F。（2）基于支持向量机、神经网络、普通最小二乘、随机梯度下降、决策树、随机森林、贝叶斯、最近邻等八种常见的机器学习算法进行模型的建立工作。采用常规的预测精度验证法验证八个模型,均取得良好评价效果。分别采用学习曲线法和单因素控制变量分析法进行额外的验证工作。学习曲线验证法筛选出了决策树、随机森林、最近邻三个过拟合模型。单因素控制变量分析法又筛选出支持向量机、随机梯度下降两个额外的缺陷模型,证明目前的模型验证方法的不可靠,需要结合更多模型验证方法。（3）筛选出普通最小二乘、贝叶斯回归和神经网络三个最优化的预测模型,训练集和测试集数据的平均相对误差在5.4%左右。结合实际需求,对比细管实验测量结果,实际应用中相对误差小于4.1%,要优于其余模型。