关键词： Applied mathematics   Atmospheric sciences  

摘要： Forecasting the El Nino-Southern Oscillation (ENSO) has been a subject of vigorous research due to the important role of the phenomenon in climate dynamics and its worldwide socioeconomic impacts. Over the past decades, numerous models for ENSO prediction have been developed, among which statistical models approximating ENSO evolution by linear dynamics have received significant attention owing to their simplicity and comparable forecast skill to first-principles models at short lead times. Yet, due to highly nonlinear and chaotic dynamics (particularly during ENSO initiation), such linear models have limited skill for longer-term forecasts beyond half a year. To resolve this limitation, we employ a recently introduced data analysis technique called nonlinear Laplacian spectral analysis (NLSA) and a new nonparametric prediction approach called kernel analog forecasting (KAF). These approaches use nonlinear kernel methods for machine learning and dimension reduction of high-dimensional datasets, and have rigorous connections with the spectral theory of dynamical systems. In particular, using the multiscale modes recovered by NLSA, KAF yields statistically optimal predictions of future ENSO states as conditional expectations without assumptions on the underlying dynamics. In Chapter 3, KAF is applied to ENSO prediction using modelled and observed sea surface temperature (SST) data in the Indo-Pacific region. In the observation case, KAF successfully predicts the Nino~3.4 index up to a 13-month lead, which corresponds to an increase of 6 months over a benchmark linear inverse model (LIM), while significantly improving upon the ENSO predictability ``spring barrier''. When applied to 1300-yr model data, the enhanced predictability afforded by KAF holds over potentially much longer leads, extending to 24 months versus 11 months in the benchmark LIM. Additionally, in Chapter 4, a strong connection between ENSO and Antarctic interannual variability has been found by the mul

关键词： PPI网络   集成学习   OpenTargets   癌症基因预测  

摘要： 目的:癌症是一类由多种基因改变引起的复杂疾病,癌症基因在癌症的发生发展中起着至关重要的作用,但目前已知的癌症基因只占到人类基因组的2%,还有大量的癌症基因至今没有被发现。由于传统的实验方法发现癌症基因费时费力,因此本研究采用机器学习方法建立癌症候选基因预测模型,旨在为进一步了解癌症的发病机制和开发有效的癌症治疗手段提供参考。方法:从OpenTargets数据库筛选基因-癌症关联及基因通路、遗传关联、动物模型、RNA表达等变量,同时从DIP、HPRD、BIOGRID数据库下载蛋白质相互作用数据,采用CytoScape构建PPI网络并计算网络拓扑属性;从Uniprot数据库下载蛋白质序列信息,采用PROFEAT计算蛋白质序列结构和理化特征;从GO和KEGG数据库获取基因富集的GO术语和KEGG通路,整合基因上述四方面的特征,以CGC数据库中已知的癌症基因为结局变量,进行变量筛选和不平衡数据处理后,采用五种机器学习方法(RF、GBM、SVM、ANNs及NaiveBayes)预测潜在的癌症基因,将预测结果在CBioPortal数据库中进行验证,并以基因BLK和结肠癌为例进行具体分析。结果:模型最终纳入62个变量,其中PPI网络拓扑属性的重要性最大,且癌症基因与非癌症基因在平均路径长度、点度中心度、CNR、氨基酸组成、二肽组成以及GO和KEGG富集方面的分布有很大的差异。在上述四方面变量组成的15个模型中,模型PPI+OpenTargets+Sequence+Function性能在五种算法中均达到最佳,五种算法的AUC均值达到0.885,预测得到20种潜在的癌症基因,其在不同的癌症组织中均具有一定程度的突变和扩增。结论:本研究从多个权威生物医学数据库获取基因的多种属性,使用五种机器学习算法预测癌症候选基因,结果验证显示预测效果良好,进一步揭示了整合基因-癌症关联属性、PPI网络拓扑属性、序列属性和功能属性等多方面信息,应用机器学习方法预测癌症候选基因的可行性,可以为癌症基因的发现及癌症的基因治疗提供参考。

关键词： 机器学习   柔性圆柱   涡激振动   BP神经网络   支持向量机   高斯过程回归  

摘要： 随着油气资源的开采从内陆走向深海,海洋立管和海底管道作为油气生产系统的重要组成部分,其结构强度等问题逐渐受到关注。涡激振动现象是导致这类细长柔性圆柱结构遭受疲劳损伤的重要原因。目前,关于柔性圆柱的涡激振动研究还不够透彻,尤其是对工程实际中普遍存在的复杂工况还需更深入的研究。专家学者们尝试采用多种方式对其振动响应进行预报,但尚未得到准确有效的办法。本文尝试了一种新的涡激振动预报方式,将机器学习的方法应用其中,以实验数据作为依托,构建柔性圆柱的涡激振动响应预报模型。主要进行了如下工作:(1)分别采用BP神经网络方法、支持向量机方法和高斯过程回归方法构建了垂直来流下柔性圆柱涡激振动响应的预报模型,模型输入数据为流速、轴向力及轴向空间位置,可以预报横流向及顺流向位移和频率响应。(2)采用以上三种机器学习方法构建了倾斜来流下柔性圆柱涡激振动响应的预报模型,模型输入数据较垂直工况增加了来流倾角,同样能够实现横流向及顺流向位移和频率响应的预报。通过测试集对所得机器学习预报模型进行了检验,发现各个模型的预测结果都能达到很高的准确程度。对比三种机器学习方法的优缺点以及预报结果三维图,认为在本文所探讨的工况及变量范围之内,支持向量机在三种方法中最为适合用于柔性圆柱的涡激振动预报。

关键词： 类星体   光谱观测   测光红移   机器学习  

摘要： 类星体(QSO)是位于遥远的河外星系中的特殊天体，本质上属于活动星系核(AGN)的一种。类星体光度巨大，是宇宙中最明亮的天体之一，其能量由位于星系核心的超大质量黑洞吸积物质而提供。研究类星体对于理解超大质量黑洞的形成和与寄主星系的共同演化有着重要的意义。然而，由于类星体在观测上具有类似于恒星的点源特征，发现并证认类星体并不容易。本文主要研究了两个与类星体相关的问题:一是如何在多波段大型巡天数据上更高效地选择出类星体候选源用于后续的光谱观测;二是如何更精确地获得类星体的测光红移。本文的研究基于多个大型测光巡天数据，包括斯隆数字巡天(SDSS)、泛星计划巡天(Pan-STARRS)、宽视场红外巡天探测器(WISE)和英国红外深视场巡天(UKIDSS)。　　首先详细考察了类星体在紫外、可见光以及红外波段的颜色特征，发现红外波段在选择类星体候选源上具有优异的特性，具有远高于可见光波段的选择效率。其中在y-W1vs.W1-W2和i-W1vs.z-W2双色图上，给定了两个颜色选源标准yW1W2和iW1zW2，类星体分类精度分别达到98.11％和98.30％。　　接着比较了一种基于梯度提升的机器学习算法——XGBoost和支持矢量机(SVM)在多种特征组合下对恒星和类星体分类的性能，发现二者的性能相当，XGBoost略显优势。在默认参数和8C的输入特征下，XGBoost和SVM的分类准确率均达到了99.46％。分别对两个分类器调优后，用于类星体选源。为了提高选源准确率，构建了二分分类器和多分分类器，先用二分分类器粗选类星体候选源，然后用多分分类器进一步剔除恒星残留，从而得到较纯的类星体候选源样本，同时得到不同红移的类星体候选源样本。在Pan-STARRS和WISE交叉数据集上进行类星体候选源的选择，最终获得了1，201，203颗高概率(PQSO＞0.95)的类星体候选源，其中有6489颗可能是高红移(z＞3.5)的类星体。满足LAMOST观测条件的高概率类星体候选源共有318，731个源，将为LAMOST后续巡天项目提供类星体候选源观测星表。　　另外，比较了多种机器学习算法在进行类星体测光红移预测时的准确性，选择出了对类星体的测光红移预测表现较优的算法，为类星体候选源获得测光红移提供了便利。在选择比较的6种算法中，发现随机森林(RF)和K近邻算法(KNN)在多个不同数据集上都具有较高的性能，优于其他算法;并且发现K近邻算法在小样本中的性能更优，随机森林在大样本中的性能较优。因而在进行类星体测光红移预测时，可以根据实际情况选择应用。　　在天文大数据时代，进行的机器学习方法在天文的分类和回归方面的研究，具有重要的实用意义和科研价值。这些方法可以借鉴应用到其他的分类问题和天体参数测量上，也可以应用到时序数据上。进一步推动天文学与信息学科的交叉融合。

关键词： 股价预测   支持向量回归机   RBF神经网络   坐标延迟重构法   参数优化  

摘要： 随着我国经济的快速发展,人民的生活水平在不断提高。人们在生活逐渐富裕的同时,对于投资的需求也在不断增长,并且投资方式也越来越多样化。股票投资是人们生活中很常见的一种投资方式,如果能实现一种高效的股价预测方法,据此制定股票投资策略,就可以降低人们投资的风险,并增加投资收益。论文中使用两种机器学习算法对股价进行预测,并将预测结果用于制定个股投资策略和组合投资策略。支持向量回归机和RBF神经网络模型在解决回归问题的实践中被广泛应用,尤其是在处理经济数据时有很好的效果,据此论文通过总结前人的研究成果,将这两种机器学习算法应用于股价预测这一实际问题中。实验中采用股票收盘价序列作为基本数据,并以坐标延迟法重构归一化后的收盘价向量。向量重构的参数时间延迟和矩阵维数采用复自相关法和G-P算法确定。实验使用遗传算法GA优化支持向量回归机SVR和LSSVR的正则化参数与核函数宽度,并使用K-means聚类算法优化RBF神经网络隐含层高斯径向基激活函数的数据中心点与扩展常数,以聚类簇数作为隐含层神经元的个数,并以此计算网络的初始权值;论文基于这两种算法对股票收盘价进行预测。实验使用坐标延迟法重构股票收盘价时间序列,简化了选取股价数据维度的工作,并且使模型可以基于历史数据预测未来一段时期的股票收盘价;实验在对支持向量回归机和RBF神经网络的参数进行了优化后,基于这两种算法对八种股票不同时间段的收盘价进行了预测,文中展示了预测的结果,并通过分析模型的预测结果和评价指标评估模型的优劣,分析结论表明支持向量回归机在训练集上的拟合效果总体上好于RBF神经网络模型,而RBF神经网络模型在预测集上的预测效果则略优于支持向量回归机;并且两种模型均有效预测出了收盘价的涨跌趋势。实验之后,论文基于预测结果对部分收盘价上涨的股票使用不同的策略分别进行了投资模拟试验,试验中收益率的计算结果进一步验证了文中使用的股价预测方法的可行性。

关键词： Engineering   Materials science   Polymer chemistry  

摘要： The overarching objective of this study was to develop a methodology for optimization of system responses in complex material systems with small datasets utilizing machine learning/statistical techniques with domain specific system data. These systems are ubiquitous in various large-scale materials industries like detergents, food packaging, agrochemicals, cement to small scale and emerging sectors like 3D printing etc. The algorithm developed in this research is referred to as Hierarchical Machine Learning (HML). As part of this study, disparate material systems have been optimized and validated in three major categories of system variables–molecular design, formulation and processing. Molecular design was validated using HML by (a) developing a novel superplasticizer for a non-setting cement model (MgO) and then (b) developing a novel superplasticizer for a Metakaolin-Portland cement blend to improve rheological behavior (slump). Process optimization was validated using HML on a silicone 3D printing system by improving print speed and diversity without degradation of print fidelity. Formulations optimization was validated using HML on a system of polyurethane films with varying polyols and diisocyanate reactants and varying NCO: OH index for prediction of mechanical responses, strain at break, stress at break and Tan δ with a further purpose of enabling prediction for substituted reactants and categorical responses. Based on these studies, it is shown that HML can be used to gain physical insight from a material system with a small and high-quality dataset while enhancing the predictive capability of the system. This methodology can then be extended to optimize the system for desired complex responses.

关键词： 机器学习   血压预测   心律异常分类   支持向量机回归   自适应提升算法  

摘要： 血压和心电信号是临床检测中标志人体健康状况的两项重要指标。腕式血压测量和心电图观察是其常规的诊断方法,诊断过程依赖专业的医护人员,测量时间的可控性差,容易加剧医疗资源的紧张。为此,本文采用机器学习方法进行血压预测和心律异常分类,提出基于支持向量机的血压预测模型和基于自适应提升算法的心律异常分类模型,主要研究内容如下。首先,本文深入分析心电和脉搏波两项生理信号以及特征处理方法。心电和脉搏波信号作为人体重要的生理信号,均具有周期性和典型的波形特征;不同特征选择和提取方法从不同角度分析人体生理数据。其次,本文提出基于支持向量机回归算法的血压预测模型。根据数据的采样频率设计数据合理的拓展方式,并结合无监督和有监督两种特征选择方法分析各生理特征之间及与血压之间的相关性,进行特征选择和组合,采用非线性核函数的支持向量机学习各生理特征与血压之间的映射关系,实现准确地血压预测。再次,本文提出基于自适应提升算法的心律异常分类模型。按照医疗器械进步协会标准和非交叉方式,定义心律异常数据集。对心电信号进行滤波器处理和心电节拍分割后,从时域和变换域两个不同角度提取五种心电信号特征,采用分类树作为基分类器的自适应提升算法学习多种心律异常间的差异,实现准确地心律异常的多分类。最后,本文分别介绍血压预测模型和心律异常分类模型的具体的实验环境、评价指标,并分析实验结果,验证模型的有效性和准确率。

关键词： 财务危机预警   因子分析   机器学习   通信行业   非财务指标  

摘要： 通信业作为国民经济的基础性行业,其重要性不言而喻。近年来,随着移动用户流量消费的迅猛增长,以及“5G”商用的全面布局开启,通信行业网络呈现明显的扩容趋势,市场投资情绪高涨。而扩容意味着高投入,进而意味着高风险,加之行业内企业之间日趋激烈的竞争,公司仍然面临着复杂的内外形势。在这种背景下,及时发现问题并发出金融风险警告,保持健康的经营状况对公司和投资者都具有重要意义。本文选取在沪深A股上市的通信相关行业的133家上市公司作为样本。不同于以往大多国内研究者以是否被“ST”(或“*ST”)作为划分公司的标准,本文将公司按照Altman的经典Z分数模型和阈值将样本分为两类:“财务健康”和“财务警惕”。在构建财务预警模型指标体系的过程中,除了传统的财务指标以外,文章还综合考虑了公司的股权集中度、董事会治理、审计意见等非财务指标,构建了较为完整的指标体系。之后通过变量筛选、因子分析等过程为各个指标变量提取主成份因子,并对每个因子的意义进行解释。最后将得到的主成份因子得分作为模型的输入进入到模型的学习训练过程中,并比较和分析所生成的预测结果。本文使用了几种目前最为流行且被广泛应用的机器学习算法来构建模型,包括逻辑回归、人工神经网络、支持向量机和决策树模型。预测结果表明,在本文的研究情境下,人工神经网络和决策树的预测效果相比支持向量机和逻辑回归模型更优。而事实上,没有绝对最优的模型,各模型均在不同的环境和评价体系下有较好的预测效果,同时有其各自的优势和局限性。因此,在实际应用中,应根据研究者及用户的目的和需求选择最为合适的模型。本文旨在为机器学习方法在通信行业企业财务危机预警方面的研究提供实证经验。

关键词： 慢性肾脏病   慢病管理   中医   机器学习   临床预测模型  

摘要： 目的:本研究拟采集针对慢性肾脏病的慢病管理相关诊疗信息,构建慢病管理疾病风险预测模型,对预测模型进行数据分析并有效验证,为更优的管理方式提供理论依据,改善患者预后水平。方法:本研究采用回顾性数据分析方法,以2012年1月1日至2018年12月31日,于广东省中医院慢病管理门诊规律随访的慢性肾脏病4期患者作为研究对象,全面收集研究对象的人口统计学资料、实验室检查结果、中医症状与辨证分型、中医慢病管理实施情况、服用药物情况等相关变量,并记录患者主要结局发生情况,包括:透析、肾移植及死亡,并进行结局分组。通过结合知识图谱表示学习,应用机器学习方法,建立基于病、证、症、风险因素等多个维度的知识、关系、路径向量的分类模型,对肾脏疾病的中医慢病管理临床获益预测实验进行分析。通过特征选择、参数调整等多种实验手段,对不同预测模型的性能分析验证及优化。区分度方面,利用接收者操作特征曲线下面积(Area Under the Receiver Operating Characteristic curve,AUROC),及F1系数评估不同模型的性能;一致性方面,使用Kappa值和Accuracy值进行判断。结果:本研究一共纳入256名慢性肾脏病4期患者,其中未发生终点事件组155人,发生终点事件组101人。通过Boruta算法共筛选出21个变量,包括:裂纹,舌胖大,齿印,降压药,服药种类,药物作用,肾毒药物,饮食不健康,优质蛋白,食物禁忌,盐分摄入,恶化停药,微信文字版,ALT/AST,ALB,Urea,TC02,Cr,体重分数,BMI及上臂肌围百分比。随后共采用8种机器学习模型进行训练,在区分度方面,稳定线性判别分析(Stabilized Linear Discriminant Analysis,SLDA)模型取得了最优的性能,AUROC为0.8;偏最小平方(Partial Least Squares,PLS)模型取得了次优的性能,AUROC为0.78;另外,K近邻(k-Nearest Neighbors,KNN)模型的性能不十分理想,AUR0C最低,为0.54;其余的模型AUROC没有显著性的差别。与AUC性能表现相似,对不同模型的F1系数进行分析,结果提示:SLDA仍然是性能表现最优异的模型,F1系数为0.84,次优的是仍然是PLS模型,F1系数为0.83,但没有显著性的差别。KNN模型的F1值为0.67,表现不十分理想。结论:基于计算机的机器学习算法,如利用SLDA及PLS模型,可以实时识别实践层面的干预效果,并且能更有针对性地纠正慢性疾病管理中的偏差。因此,机器学习方法为肾脏疾病的中医慢病管理提供了一种常规的策略管理方法,或许可以推广至其他慢性非传染性疾病的慢病管理中。

关键词： Machine learning   Reservoir operation   Stream-aquifer systems   Particle swarm optimization   Fuzzy logic   River basin management  

摘要： The sustainability issues facing irrigated river basins are intensified by legal and institutional regulations imposed on the hydrologic system. Although solutions that would boost water savings and quality might prove to be feasible, such imposed institutional constraints could veto their implementation, rendering them legally ineffectual. The problems of basin-scale irrigation water management in a legally-constrained system are exemplified in the central alluvial valley of the Lower Arkansas River Basin (LARB) in Colorado, USA, and in the Tripa River Basin in Indonesia. In the LARB, water and land best management practices (BMPs) have been proposed to enhance the environment, conserve water, and boost productivity; however, the legal feasibility of their implementation in the basin hinder BMP adoption. In the Tripa river basin, the rapid growth of water demand pushes the proposal of new reservoir construction. However, inadequate water availability and the lack of water law enforcement requires the basin to seek water from adjacent basins, thereby raising legal and economic feasibility issues. To address these issues, an updated version of a decision support system (DSS) named River GeoDSS has been employed to model basin-scale behavior of the LARB for both historical (baseline) and BMP implementation scenarios. River GeoDSS uses GeoMODSIM as its water allocation component, which also handles water rights and uses a deep neural network (DNN) functionality to emulate calibrated regional MODFLOW-SFR2 models in modeling complex stream-aquifer interactions. The use of DNNs for emulation if critical for extrapolating the results of MODFLOW-SFR2 simulations to un-modeled portions of the basin and for compute-efficient analysis. The BMP implementations are found to introduce significant alterations to streamflows in the LARB, including shortages in flow deliveries to water right demands and in flow deficits at the Colorado-Kansas Stateline. To address this, an advanced