预测机制

摘要： 各区人民政府,市政府各委、办、局:经市人民政府同意,现将《天津市海上污染事故应急预案》印发给你们,请照此执行。2022年1月18日天津市海上污染事故应急预案1总则1.1编制目的建立健全本市海上污染事故应急处置体系,规范应急响应程序,强化预防、预警、预测机制,迅速有效地实施应急处置,最大限度减少海上污染事故造成的海洋环境和财产损失,保障公众生命健康和环境安全。

摘要： 目的:基于网络药理学探讨黄葵胶囊治疗肾病综合征的作用靶点及分子机制。方法:通过中药系统药理学数据库与分析平台(TCMSP)、PubChem、Swiss Target Prediction数据库及国内外文献检索黄葵胶囊的活性成分,利用GeneCards、OMIM数据库筛选出肾病综合征相关靶点;运用Cytoscape 3.6.1软件构建“成分-潜在靶点”网络,并基于STRING平台构建黄葵胶囊治疗肾病综合征交集靶点的蛋白质-蛋白质相互作用网络,筛选关键靶点;使用Metascape数据库对潜在靶点进行基因本体论(GO)及京都基因与基因组百科全书(KEGG)通路富集分析。将前3名关键化合物与排名居前3位的关键靶点蛋白利用PyMOL及AutoDock Vina等软件进行分子对接。结果:通过筛选共获得黄葵胶囊有效活性成分16个,潜在靶点358个,与肾病综合征共同靶点93个,其中关键靶点涉及白蛋白(Albumin,ALB)、蛋白丝氨酸/苏氨酸蛋白激酶1(Akt Serine/Threonine Kinase 1,AKT1)、表皮生长因子受体(Epidermal Growth Factor Receptor,EGFR)等。分子对接结果验证前3名关键靶点与居前3位的关键化合物有较好结合力。结论:通过网络药理学及分子对接技术分析,黄葵胶囊可能通过抑制氧化应激反应和炎症反应等方面来直接或间接的对足细胞进行调控进而治疗肾病综合征。

摘要： 针对皮带运输机的主要故障部件进行分析,阐述了几种部件的主要故障形式与诊断方法.通过故障树模型,建立皮带运输机的故障框架,对故障失效形式逐级分析;利用多元信息预测技术,融合BP神经网络与D-S证据理论建立皮带运输机的故障预测机制;通过故障数据树与预测机制,实现皮带运输机工况系数的多元信息处理功能,以事件概率的方式,更合理地评估皮带运输机故障类型,准确地定位故障原因及故障位置,有效避免安全事故的发生.

摘要： 社会在矛盾运动中前进,风险无时无刻不在。安全稳定是相对的,安全中含有不安全的隐患,稳定中含有不稳定的因素。公共安全防范工作需要树立底线思维,加强预测预警预防,牢牢把握主动权。由矛盾纠纷引发的公共安全事件往往具有突发性和高烈度。守紧矛盾风险的源头关、监测关、管控关,建立健全科学的公共安全预测预警预防机制是应对公共安全风险的关键。其一,建立健全矛盾纠纷信息搜集、分析、共享和公共安全风险预测机制。

摘要： 习近平总书记在《为打嬴疫情防控阻击战提供强大科技支撑》文章中指出,“战胜疫情离不开科技支撑,要利用人工智能、大数据等新技术开展流行病学和溯源调査,提髙精准度和筛査效率;要加强战略谋划和前瞻布局,完善疫情防控预测机制,及时有效捕获信息,及时采取应对举措;要在保证国家安全的前提下,共享科研数据和信息,共同研究提出应对策略,为推动构类命运共同体贡献智慧和力量”。

摘要： 针对离散时间一阶多自主体系统的一致性问题,设计了基于预测机制的一致性协议.基于矩阵论与图论,分析了一致性协议在无向拓扑结构下的收敛特性,并给出控制律的数值解.仿真结果表明:该协议能扩展离散系统采样步长和提高多自主体系统的一致性收敛速度,增强系统稳定性.

摘要： 多级磁自旋存储器(Multi-Level Cell Spin-Transfer Torque RAM,MLC STT-RAM)可在一个存储单元中存储多个比特位,有望取代SRAM用于构建大容量低功耗的最后一级Cache(Last Level Cache,LLC).MLC STT-RAM的静态功耗在理论上为0,且拥有高密度和优秀的读操作特性,但它的缺陷在于低效的写操作.针对这一问题,在MLC STT-RAM Cache hard/soft逻辑分区结构的基础上,实现了 MLC STT-RAM LLC写操作密集度预测技术以及相应Cache结构的设计.通过动态预测写操作密集度较高的Cache块,帮助MLC STT-RAM LLC减少执行写操作的代价.预测的基本思想是利用访存指令地址与相应Cache块行为特征的联系,根据预测结果决定数据在 LLC中的放置位置.实验结果显示,在 MLC STT-RAM LLC中应用写操作密集度预测技术,使得写操作动态功耗降低 6.3%的同时,系统性能有所提升.%Multi-level cell (MLC)STT-RAM which can store multiple bits per cell,has been considered as a promising alternative to SRAM for the last-level Cache.MLC STT-RAM can reduce static power consumption significantly and has smaller cell size facilitates and better read performance.However,a major shortcoming of MLC STT-RAM Cache is its inefficient write operations.Based on hard/soft partition structure,this paper implemented write intensity prediction for energy-efficient MLC STT-RAM LLC.The objective of this architecture is to dynamically predict whether blocks will be written more than certain times thereby helping to reduce write latency and energy of MLC STT-RAM Cache. The key idea to solve this problem is to correlate write intensity with memory access instruction addresses.On top of that,this paper designed MLC STT-RAM LLC based on this predictor,in which prediction results are used to determine Cache line placement.Experimental results showed that this architecture reduces 6.3% of write energy consumption and improves system performance by 1.9% on average compared to the previous approach.

摘要： 考虑到无线传感器网络中传感器节点经常部署在恶劣的环境中以及节点自身资源具有有限性,节点在运行的过程中容易产生错误数据,造成漏警和虚警错误,从而影响网络的正常运行.本文提出了一种基于预测机制的事件检测容错算法.首先利用事件的时空关联性对监测区域进行事件检测,对事件是否发生还是节点异常进行准确判断.然后针对错误的数据进行具体分析,当节点出现异常的时候,利用KNN-PSOELM预测机制进行估计,以排除错误数据对融合结果的影响,执行有效的容错算法.因此,准确地区分节点数据的类型,排除错误数据的影响,提高事件检测的准确度.%The harsh environment and the limited resources of nodes in wireless sensor network are prone to error data which can result in missed alarm and false alarm errors in the process of running.The missed alarm and false alarm errors have a bad effect on the qual-ity of the network.Therefore,a prediction-based fault-tolerant aggregation algorithm was proposed.Firstly,the events were detected by using temporal-spatial correlation between events and determine whether the event happened or the node was abnormal.When the node is out of order,a specific analysis of faulty data that may occur during data gathering was made and different fault-tolerant solutions were pointedly put forward using the method (K-Nearest Neighbor-Particle Swarm Optimization-Extreme Learning Machine,KNN-PSOELM) based prediction model.Thus,we can effectively improve the event detection accuracy,distinguish different data types and eliminate the influence of faulty data.

摘要： 读者决策采购(PDA)颠覆了图书馆传统馆藏建设模式,提高了文献利用率,更大程度上满足了用户需求.从PDA的首要环节即建立预设文档入手,通过对我馆近三年流通统计数据的收集和整理,用BP神经网络建立合理的预测模型,用层次分析模型对影响图书馆采购的各项因素进行筛选,最终构建一种读者阅读需求预测机制,完成对PDA预设文档的科学指导.

摘要： 本文提出一种具有预测机制的物联网感知层路由算法,该算法通过考虑不同传输链路的节点距离、访问频率、节点能量、跳数等感知信息,使节点能够选择最优的下一跳路径,同时能够根据节点接收数据量的多少,自动调节算法中参数,达到均衡各个节点能耗的作用.通过在WSN网络下的仿真实验证明该算法具有能量有效性、负载均衡、延长网络寿命等特点.

摘要： 任何市场要素的变化,均会直接反映到市场价格上来,过高或者过低的市场价格都会使得市场难以为继.基于行为经济学中前景理论,提出了不同价格锚点条件下,同一地区存量和新增的发电企业参与分布式发电市场化交易时的卖方市场行为预测;得出在假定电力需求具有价格弹性时,充分利用各个时段的可消纳容量可实现分布式光伏电站总收益最大化,"自发自用、余量上网"消纳方式更具备经济性的特点下,电力市场现货模式可促进卖方参与.该研究能够为中国电力交易监管机构制定与完善分布式发电市场化项目交易规则提供重要参考.

摘要： 任何市场要素的变化,均会直接反映到市场价格上来,过高或者过低的市场价格都会使得市场难以为继.基于行为经济学中前景理论,提出了不同价格锚点条件下,同一地区存量和新增的发电企业参与分布式发电市场化交易时的卖方市场行为预测;得出在假定电力需求具有价格弹性时,充分利用各个时段的可消纳容量可实现分布式光伏电站总收益最大化,"自发自用、余量上网"消纳方式更具备经济性的特点下,电力市场现货模式可促进卖方参与.该研究能够为中国电力交易监管机构制定与完善分布式发电市场化项目交易规则提供重要参考.

摘要： 任何市场要素的变化,均会直接反映到市场价格上来,过高或者过低的市场价格都会使得市场难以为继.基于行为经济学中前景理论,提出了不同价格锚点条件下,同一地区存量和新增的发电企业参与分布式发电市场化交易时的卖方市场行为预测;得出在假定电力需求具有价格弹性时,充分利用各个时段的可消纳容量可实现分布式光伏电站总收益最大化,"自发自用、余量上网"消纳方式更具备经济性的特点下,电力市场现货模式可促进卖方参与.该研究能够为中国电力交易监管机构制定与完善分布式发电市场化项目交易规则提供重要参考.

摘要： 任何市场要素的变化,均会直接反映到市场价格上来,过高或者过低的市场价格都会使得市场难以为继.基于行为经济学中前景理论,提出了不同价格锚点条件下,同一地区存量和新增的发电企业参与分布式发电市场化交易时的卖方市场行为预测;得出在假定电力需求具有价格弹性时,充分利用各个时段的可消纳容量可实现分布式光伏电站总收益最大化,"自发自用、余量上网"消纳方式更具备经济性的特点下,电力市场现货模式可促进卖方参与.该研究能够为中国电力交易监管机构制定与完善分布式发电市场化项目交易规则提供重要参考.

摘要： 龙王庙组气藏在高效开发的同时陆续出现了井口装置抬升和环空异常带压等问题,直接影响到了气井井筒完整性和安全生产.本文通过分析气井管柱结构及实际工作参数,以高温高压气井井筒温度计算为基础,综合考虑环空流体膨胀、端部效应和套管热效应,建立多层级管柱力学模型,开展气井井口装置抬升高度预测.对龙王庙气藏3口井实例计算表明,井口装置抬升主要受气井产量变化的影响,温度升高引起套管柱伸长是井口装置抬升的主要因素.采用多层级管柱力学模型进行预测,计算结果与实测值差距相对较小,更符合工程实际.研究成果可为井口装置安全评价及防控措施的制定提供支撑.

摘要： 龙王庙组气藏在高效开发的同时陆续出现了井口装置抬升和环空异常带压等问题,直接影响到了气井井筒完整性和安全生产.本文通过分析气井管柱结构及实际工作参数,以高温高压气井井筒温度计算为基础,综合考虑环空流体膨胀、端部效应和套管热效应,建立多层级管柱力学模型,开展气井井口装置抬升高度预测.对龙王庙气藏3口井实例计算表明,井口装置抬升主要受气井产量变化的影响,温度升高引起套管柱伸长是井口装置抬升的主要因素.采用多层级管柱力学模型进行预测,计算结果与实测值差距相对较小,更符合工程实际.研究成果可为井口装置安全评价及防控措施的制定提供支撑.

摘要： 龙王庙组气藏在高效开发的同时陆续出现了井口装置抬升和环空异常带压等问题,直接影响到了气井井筒完整性和安全生产.本文通过分析气井管柱结构及实际工作参数,以高温高压气井井筒温度计算为基础,综合考虑环空流体膨胀、端部效应和套管热效应,建立多层级管柱力学模型,开展气井井口装置抬升高度预测.对龙王庙气藏3口井实例计算表明,井口装置抬升主要受气井产量变化的影响,温度升高引起套管柱伸长是井口装置抬升的主要因素.采用多层级管柱力学模型进行预测,计算结果与实测值差距相对较小,更符合工程实际.研究成果可为井口装置安全评价及防控措施的制定提供支撑.

摘要： 龙王庙组气藏在高效开发的同时陆续出现了井口装置抬升和环空异常带压等问题,直接影响到了气井井筒完整性和安全生产.本文通过分析气井管柱结构及实际工作参数,以高温高压气井井筒温度计算为基础,综合考虑环空流体膨胀、端部效应和套管热效应,建立多层级管柱力学模型,开展气井井口装置抬升高度预测.对龙王庙气藏3口井实例计算表明,井口装置抬升主要受气井产量变化的影响,温度升高引起套管柱伸长是井口装置抬升的主要因素.采用多层级管柱力学模型进行预测,计算结果与实测值差距相对较小,更符合工程实际.研究成果可为井口装置安全评价及防控措施的制定提供支撑.

摘要： 龙王庙组气藏在高效开发的同时陆续出现了井口装置抬升和环空异常带压等问题,直接影响到了气井井筒完整性和安全生产.本文通过分析气井管柱结构及实际工作参数,以高温高压气井井筒温度计算为基础,综合考虑环空流体膨胀、端部效应和套管热效应,建立多层级管柱力学模型,开展气井井口装置抬升高度预测.对龙王庙气藏3口井实例计算表明,井口装置抬升主要受气井产量变化的影响,温度升高引起套管柱伸长是井口装置抬升的主要因素.采用多层级管柱力学模型进行预测,计算结果与实测值差距相对较小,更符合工程实际.研究成果可为井口装置安全评价及防控措施的制定提供支撑.

摘要： 本发明公开了一种基于stokes漂移和潮混合机制的溢油轨迹预测方法，首先修正POM模型，使POM模型包含潮混合的参数化计算方法；然后在溢油事故发生时段运行修正后的POM模型，得到包含潮混合影响的海表面流速；将风场文件输入SWAN模型，利用SWAN模型计算溢油事件期间的波浪场，输出波浪参数；然后将波浪参数代入Stokes漂移速度计算式，计算得到Stokes漂移速度；最后，将地形文件、风场文件、得到的包含潮混合影响的海表面流速、Stokes漂移速度输入GNOME溢油预测模型并运行该模型，记录不同时间节点的油膜位置信息，得到溢油轨迹图像。本发明将stokes漂移和潮混合机制融入溢油轨迹的预测中，得到精度更高的预测结果。

摘要： 本发明公开了一种基于自适应上下文推理机制的内容倾向性评判及预测方法，首先对输入文本信息进行预处理；然后通过Transformer进行全局上下文特征提取；通过SACR学习不同长度语义特征之间的关联；最后采用全连接神经网络进行倾向性判断及预测。本发明将上下文推理注意网络思想引入到上下文特征提取中，通过多尺度CNN提取不同长度的文本特征，再使用自注意机制主动学习不同长度文本之间的上下文关联，形成上下文推理的自适应网络，提高了内容倾向性评判的准确度。

摘要： 本发明公开了一种基于自适应反馈调节机制的网络流量灰色预测方法，基于已构建好的网络拓扑的目标待预测的连续流量序列，通过归一化处理，构造基于修正因子的反馈修正函数、对归一化的流量序列中的每个元素施加反馈修正函数，之后采用滑动窗口方式对流量序列进行预测获得预测值，并将每一时刻的窗口滑动预测值分别与其对应在中下一时刻的流量值做减法对比计算流量序列误差，获得三种预测值与真实值的大小关系，根据三种关系更新下一时刻窗口滑动预测的修正因子，最后进行反归一化处理得到待预测的连续流量序列的预测流量序列，本发明提出的基于自适应反馈调节机制的网络流量灰色预测方法，在预测精度和效率方面均具有优势。

摘要： 本方案公开了一种集成挤压激励注意力机制的双通道风电预测方法，提出基于多变量的风力发电功率预测，同时考虑内生变量和外生变量，有效改善模型的性能，提高模型预测精度；预测模型混合了CNN模型和GRU模型，由两个模型并列处理输入数据，并分别对CNN模型、GRUB模型引入SE注意力机制赋予隐含状态不同的概率权重，既能够满足风力发电功率预测的时间序列特征需求，又能够在多变量输入参数的情况下保证不容易出现过拟合的问题，使模型在多变量参数的时间序列下能够更准确的预测风力发电功率的变化，有利于电厂对用电量的合理调度。

摘要： 本发明涉及一种结合注意力机制与动态时空卷积模型的车辆流量预测方法，针对现有模型无法有效利用道路间车流量转移关系的问题，提出了道路级流量转移嵌入模块，学习到道路间的流量转移时间序列的张量表示；针对现有方法无法捕获动态变化的空间依赖的问题，提出了动态空间注意力模块，用于计算动态变化的空间依赖矩阵；针对现有模型无法有效对时序重要性有效建模的问题，提出了动态时间注意力模块，用于计算时序注意力权重。通过上述组件，本模型可以有效利用道路流量转移数据、捕获道路间动态变化的时空依赖关系，从而提高道路电动自行车流量预测的准确性。

摘要： 本发明公开了基于分层自注意力机制的差异表达基因预测系统，包括：获取模块，获取待测细胞对对应基因的表观遗传学数据；根据表观遗传学数据，构建不同表观遗传因素的输入矩阵；编码模块，将每种表观遗传因素的输入矩阵，输入到第一自注意力机制层对应的自注意力机制模块中，得到每种表观遗传因素的编码向量；特征提取模块，将每种表观因素的编码向量，输入到第二自注意力机制层的自注意力机制模块中，得到最终的特征嵌入向量；预测模块，将最终的特征嵌入向量输入到训练后的分类器中，得到差异表达基因预测结果。利用表观遗传学数据自动构建特征，同时识别重要的特征位点和表观遗传因素来进行可解释的基因差异表达预测。

摘要： 本发明公开了一种基于Transformer注意力机制的日降水量预测方法。本发明首先构造输入序列；其次通过Word2vec算法获取输入序列的每一日降水量的嵌入向量，通过向量转化公式计算出每一日降水量时间排列位置的嵌入向量，由此得到向量表示矩阵。然后将向量表示矩阵传入编码器中，输出编码信息矩阵C，最后将编码器输出的编码信息矩阵C传递到解码器中得到当前日降水量的预测值。本发明采用了transformer注意力机制模型可以较好的进行并行训练，另外本发明采用了多头注意力机制结构，可以捕获日降水量数据序列各个数据之间多种维度上的相关注意力分数。

摘要： 本申请公开了一种基于双阶段注意力机制的网站访问量预测方法及系统，涉及时间序列预测领域，所述方法包括：获得网站访问量的原始时间序列数据；对原始时间序列数据进行预处理，并生成训练集数据、验证集数据和测试集数据；构建基于双阶段注意力机制的网站访问量预测模型；对训练集数据进行训练，基于验证集数据设置超参数，获得训练完成的双阶段注意力机制预测模型；将测试集数据输入至所述双阶段注意力机制预测模型进行训练，获得第二训练结果，第二训练结果包括对所述原始时间序列数据的网站访问量预测结果。解决了现有技术中存在的传统时间序列预测方法难以捕获网站访问量历史信息的长期依赖性的输入特征的技术问题。

摘要： 本发明公开了一种基于注意力机制的图神经网络行人轨迹预测方法，该方法主要包括：采集行人轨迹信息，提取轨迹运动特征，构建行人轨迹原始节点图；对所述行人轨迹原始节点图进行融合、舍弃和放大，生成行人轨迹最终节点图；利用时空图卷积神经网络提取行人轨迹最终节点图的时空特征，根据所述时空特征构建行人轨迹的原始时空特征图，并利用图通道注意力机制筛选出重要的时空特征组成新的时空特征图；将所述新的时空特征图输入预测器，预测器输出预测的预设时间内的行人轨迹；给所述预测的行人轨迹分配权重，以权重最大的轨迹作为最终的预测结果。该方法通过更加关注对最终结果有影响的特征将有效信息最大化，有效提高了行人轨迹预测精度。

摘要： 本发明提供了基于双重注意力机制和LSTM的短期负荷预测模型和方法，包括输入向量、特征注意力层、3层LSTM网络、时序注意力层、全连接层输出，所述输入向量结合前一时刻LSTM网络的隐藏状态值ht‑1，经过特征注意力层计算得到各特征量对当前预测情况的影响权重，经过两层LSTM网络学习特征，再通过时序注意力层计算出各历史时刻输出信息的影响权重αti并得到最终输出的当前时刻的隐藏层状态值输出，最后输入到全连接层得到最终预测结果。本发明提供了基于双重注意力机制和LSTM的短期负荷预测方法。利用特征注意力机制自主分析历史信息与输入特征之间的关联关系，提取重要特征。时序注意力机制自主选取LSTM网络关键时间点的历史信息，提升较长时间段预测效果的稳定性。