基于深度极限学习机的柴油机尾气排放预测

准确预测拖拉机等柴油机械实际工况污染物排放在排放清单建立和区域污染物排放控制方面具有重要意义。基于拖拉机不同运行状态下发动机转速、油耗、燃烧比、CO、HC、NOX和PM等实测数据作为数据源,建立深度极限学习机(Deep Extreme Learning Machine,DELM）的预测模型,并对拖拉机怠速、行走和旋耕等基本工况下的污染物排放进行预测。为进一步评估DELM预测模型的适应性,将其与支持向量机(support vector machine, SVM)和前馈神经网络(Back propagation neural network, BPNN)模型进行对比分析。结果表明,1）DELM模型在预测排放时间序列方面具有一定优势,其预测拖拉机在怠速、行走和旋耕3种状态下的NOX、HC、CO和PM排放均方根误差均值分别为5.269×10-5、5.195×10-5、5.135×10-5和2.795×10-5。2）DELM模型与SVM和BP对比发现,DELM模型在鲁棒性以及适应性方面的优势显著。3）DELM方法的较高的准确度和泛化性,为基于发动机状态数据预测移动源尾气排放提供思路和方法。     

和田维吾尔族老人5-HTTLPR基因插入/缺失多态性研究及长寿的关联分析

 本文运用聚合酶链式反应技术(PCR)对新疆和田地区30例90岁以上维吾尔族长寿老人和70例当地健康、无血缘关系、生活习惯相似、随机抽样的维吾尔族对照人群进行5-HTTLPR基因分型及相应等位基因频率的比较并且探讨了5-羟色胺转运体基因连锁多态性区域(5-HTTLPR)的44bp插入/缺失序列多态性与长寿的相关性。结果表明,维吾尔族长寿老人的5-HTTLPR基因多态性的LL(528bp/528bp)基因型和L(528bp)等位基因频率分别为70%和81.7%,对照者LL基因型和L等位基因频率分别为40％和57.2％,两组之间比较差异有显著性(P<0.05)。由此得出,5-HTTLPR基因多态性与新疆和田地区维吾尔族老人的长寿有关联,新疆和田地区长寿相关基因组成为LL基因型和L等位基因。     

基于数据驱动的交叉口通行效率评价

为了弥补单一评价在评价交叉口通行效率当中的缺陷，构建由排队长度、通行时间、延误和停车率组成的交叉口通行效率评价指标体系，并结合出租车 GPS 数据估算交叉口进口道通行效率，建立了基于粗糙集理论和自组织映射神经网络方法的交叉口通行效率影响因素定量分析模型，通过实测数据和VISSIM 仿真方法分析了本文方法的适用性。结果表明：（1）基于轨迹数据的信号交叉口4个进口道服务水平分别为 F、E、F和F，分析表明，通行效率评价方法估算结果能够准确的反映研究区域的高峰时段交通流现状。（2）排队长度、延误、通行时间和停车率等交叉口通行效率影响因素在总的影响因子池中所占权重分别为0.3253、0.2313、0.2147和0.2287，揭示本文方法在量化交叉口通行效率影响因素方面有一定参考价值。（3）分析表明，出租车GPS数据的坐标漂移和定位误差导致，基于轨迹数据的评价结果和基于实测数据的仿真模型结果之间的部分差异，但总体结果是一致的。同时基于轨迹数据的通行效率方法在获取交通参数的获得性方面具备一定的优势。本研究在动态分析交叉口通行效率及其影响因素方面提供借鉴。