基于门控循环单元神经网络的金融时间序列预测

针对循环神经网络(recurrent neural networks,RNN)网络结构存在的长期依赖问题,门控循环单元(gated recurrent unit,GRU)神经网络作为RNN的一种变体被提出。在继承RNN对时间序列优秀记忆能力的前提下,GRU克服了时间序列的长期依赖问题。本文针对金融时间序列数据存在的依赖问题,将GRU扩展应用到金融时间序列预测,提出了基于差分运算与GRU神经网络相结合的金融时间序列预测模型。该模型能够处理金融时间序列数据的复杂特征,如非线性、非平稳性和序列相关性。通过对标准普尔(SP)500股票指数的调整后收盘价进行预测,实验结果表明,所提出的方案能够提高GRU神经网络的泛化能力和预测精度,并且与传统预测模型相比该模型对金融时间序列的预测拥有更好的预测效果和相对较低的计算开销。     

基于土豆组织的安培型生物传感器测定啤酒中的邻苯二酚

利用土豆组织构建了测定啤酒中邻苯二酚含量的安培型生物传感器.考察了各种实验变量如植物组织的种类,植物组织、石墨粉、液体石蜡的比例,底液的pH值及工作电位对土豆组织传感器响应电流的影响,并研究了土豆组织传感器的分析特性和动力学参数.在3.39×10-5～4.75×10-4mol/L邻苯二酚浓度范围内,土豆组织传感器的动力学响应与邻苯二酚浓度呈良好的线性关系,相关系数为0.9907.传感器的响应时间为332s,表现米氏常数Km为1.14mmol.传感器具有良好的重现性和稳定性.用该传感器测定了啤酒样品中邻笨二酚的含量.     

基于熵权层次分析法的邮轮居住舱室设计综合评价研究

针对邮轮居住舱室设计方案评价存在主观性过强和模糊性的问题，提出一种基于熵权层次分析的综合评价方法。本研究根据邮轮居住环境设计的评价约束条件，考虑舱室布局、室内环境和安全性的影响，构建融合乘客、舱室家具和舱室环境三者形成典型居住舱室“人-机-环境”系统的评价指标体系及综合评价模型，形成一套适用于邮轮居住舱室科学设计评估的理论与方法体系；最后应用舱室不同空间分布的数据，采用此方法进行综合评价，从而对设计方案进行排序，以确定最优的设计方案。本文研究结果可为邮轮居住舱室的设计方案的确定提供参考。