摘要：为筛选适宜的DNA混合池法,采用两因素交叉分组设计,以混合样本数量(20、60和150个)和终质量浓度(50、100和150ng/μL)为组合因子,分析不同混合池对PCR扩增质量及SNPs检出率的影响。结果表明:在同一混合样本数量下,以终质量浓度100ng/μL建立的DNA混合池扩增的PCR产物纯度和OD260/OD280均优于50ng/μL,但对测序结果无显著影响;以终质量浓度150ng/μL建立的DNA混合池扩增的PCR产物杂带较多,不符合测序要求。在同一混合样本终质量浓度下,混合样本数越多,SNPs检出率越高。综上,从PCR扩增质量、SNPs检出率和试验成本来分析,以混合样本150个、终质量浓度100ng/μL组合建立的DNA混合池效果最好。

摘要：如何合理确定调查样本的数量是住宅空调能耗调查工作中亟待研究解决的一个重要基础性问题。依据北京市和武汉市大量住户的空调能耗调查数据,采用随机抽样试验的方法,对调查样本数量与调查准确度的关系进行了研究。结果表明,对于大量住户的空调能耗调查,为了达到较高的调查准确度,北方寒冷地区随机抽样调查的样本数不宜少于140户,南方炎热地区随机抽样调查的样本数不宜少于100户。这些研究结果可供住宅空调能耗调查和其他类似调查工作参考。

摘要：由于基于物理模型的建筑能耗模型计算成本较高,不适合直接用于不确定性、敏感性、模型校验等研究,通过机器学习算法建立的建筑能耗模型具有精度高和计算速度快的优点,可以解决这一问题。影响机器学习模型精度的因素有很多,本研究重点讨论样本数量和抽样方法对机器学习模型性能的影响。机器学习方法选用多元自适应回归样条法,以位于天津的办公建筑为例进行研究。结果表明,抽样方法对于机器学习模型精度的稳定性有较大影响,Sobol序列得到的模型精度的稳定性最好,通过随机抽样所得模型稳定性最差。随着样本数量的增加,建筑能耗机器学习模型的精度会随之增加,并且所得机器学习模型精度的稳定性也会随之提高。研究还发现,Sobol序列所得模型可实现精度与计算成本的平衡,非常适用于建筑能耗机器学习算法的模型构建。

摘要：汽车零部件DV(Design Validation,设计验证)试验是汽车研发的重要环节,其费用占整车开发费用比重大。在保证试验结果准确可靠的前提下,科学合理地控制样本数量,可有效降低试验费用,从而降低项目开发成本,对汽车零部件企业和主机厂意义重大。

摘要：基于Landsat8 OLI遥感影像,以东莞市为研究对象,应用最大似然法进行监督分类,对比分析不同数量的训练样本对地物分类精度的影响。研究发现,当训练样本达到一定数量后,分类精度受训练样本数量的影响较少。权衡分类精度与工作量,训练样本数量每个类别20个最优。在林地、农田、裸地、水体、居民用地和工业用地的分类体系中,最大似然法分类林地和水体的制图精度与用户精度能达90%以上。

摘要：动载荷识别在结构设计和优化中起着至关重要的作用目前的大多数研究都集中在确定性结构上.然而,实际工程结构中的结构参数是未知的.不确定参数的存在会导致载荷识别结果与实际载荷值之间的误差,因此研究不确定结构的动载荷识别问题至关重要的.本文针对含有不确定参数的结构,提出了一种数据驱动的动载荷识别方法.首先,将不确定参数由一组闭区间向量表征.然后引入卷积神经网络(CNN)对未知载荷区间进行重构.将区间分析理论与泰勒展开相结合,得到了监督载荷的上下边界,并将其用作训练样本.最后,训练后的CNN模型直接识别未知载荷区间的边界.仿真结果表明,该方法具有较高的载荷识别精度和对噪声的鲁棒性.我们构造了一个简支梁结构进行实验,以进一步验证所提出方法在工程中的可行性.此外,我们还讨论了测量点分布和样本数量对识别精度的影响,这有利于在工程实践中的应用。

摘要：以成都某地铁站点工程场地为例,采用一维等效线性化方法,将人工合成的不同超越概率下各20条相互独立的地震波作为基岩输入地震动时程,进行了土层地震反应计算,并对计算结果进行了分析研究,得出结论:1)通过对土层地震反应结果的计算分析,给出了PGA、T_(g)和S_(a)(T)值计算结果参数的变异系数和随概率档的变化规律,并验证了上述各参数均值都服从正态分布。2)对于Ⅱ级和地震小区划工作,目前业内较为普遍地采用3条基岩地震波作为土层地震反应计算基岩输入地震动时程的做法和现行地震安评国标的规定,至少采用3条基岩地震波作为输入地震动时程下限数量的规定已不能满足要求,需要增加,建议增加到最少采用15条基岩输入地震波,以保证地震安评工作所提供的场地设计地震动参数更加可靠。

摘要：针对电子元件体积小,由振动供料器翻转后,位置、旋转角度随机,姿态十分相似,且会出现元件重叠的情况;使用HOG-SVM目标检测算法通过机器学习进行研究,并分析了电子元件各不同角度的特征提取丰富程度以及样本数量对于算法性能的影响。通过几种旋转角度人工获取并标注多组不同数量的样本集,以OpenCV库为基础,分别训练分类器,进行检测分类。最终经过多次实验表明,每隔10度旋转进行特征提取更加丰富;且当样本数量达到由此角度获得的180个时,分类器整体性能趋于稳定,达到较好的分类精确率。

摘要：针对目前国内电站锅炉燃烧建模存在煤质与负荷波动频繁、测点精度有限、设备运行组合多变等产生的问题,提出了电站锅炉燃烧的非对称神经网络建模方法。将锅炉模型的输入按照实际物理规律的关联关系设计网络结构组合,去掉关联性较弱的联系,从而使模型天然体现一定的锅炉燃烧规律,实现了不同燃烧器出力分配下的单一网络建模,提高了学习训练效率,并大幅降低了模型所需样本数量。将经典对称神经网络模型和非对称神经网络模型进行对比训练,结果表明本文提出的非对称神经网络建模方法检验正确率高。将其应用于某超临界660 MW机组的燃烧优化控制,锅炉效率平均可提高0.25%。

摘要：在车库咖啡馆的分享会上见到爱点击首席产品官李彦枢,连帽衫、牛仔裤、运动鞋——这个曾经的4A“广告狂人”显然已经被充分“互联网化”了。