简介:生产者与消费者系统(PCS)是一个经典的进程同步问题,Hocine等学者运用抽象状态机(ASMs)对该问题进行了时序规约。文中主要使用TLA语言对PCS给出了一个时序规约模型,并且利用模型检测工具TLC对PCS进行检测。同时对系统的活性和互斥性也进行了检测,检测结果都满足系统规约。ASMs主要采用转移规则来规约PCS模型,中间的转移过程是无法知道的,TLA能同时规约出PCS的执行过程和系统属性。
简介:古人云“以史为鉴”,说的是吸取历史的经验教训,对未来的情况做出预判或者改变。生活中,亦是存在相似的利用历史数据对未来变化趋势进行预测分析的时间序列问题。本文就时间序列一类的问题进行研究,探讨如何更好地根据历史统计数据,对未来的变化趋势进行预测分析。本文基于神经网络,以气象观测历史数据作为研究的对象,建立了气温变化时序预测模型。本模型利用大数据相关技术对数据进行特征处理,通过深度神经网络,学习特征数据和标签数据之间复杂的非线性关系,从而实现对气温变化的趋势预测。实验结果表明,相较其他模型,本文的模型能够更好地进行时序预测,同时也证明了神经网络用于气象预测的可行性。
简介:摘要:耕地是粮食生产和安全的重要前提与保障,中国的耕地资源变化问题一直备受关注。全国性的土地调查是精准掌握耕地资源面积和分布的有效方式。然而由于不同阶段的技术手段、统计标准存在差异,导致了中国三次土地调查的耕地面积数据存在明显的断裂,阻碍了对长时间序列耕地资源时空分布的深入研究。本研究以中国第三次土地调查数据为基准,采用ARIMA模型对1996-2019年耕地面积数据进行重建和挖掘,增强了耕地数据的连续性、科学性和完整性。研究成果有利于全面掌握耕地利用现状,为合理利用土地资源、政策制定与趋势预测提供科学依据。
简介:摘要目的探讨时序预测模型中的差分自回归滑动平均(ARIMA)和自回归(AR)模型在预测广州市急救调度日出车数量方面的价值。方法采用Matlab仿真软件对广州市2021年1月1日至2021年12月31日的急救调度出车记录分析计算日出车数量时间序列,对该序列进行时序预测模型辨识,得到ARIMA(1,1,1)、AR(4)以及AR(7)模型,利用这些模型对日出车数量做出预测拟合。ARIMA(1,1,1)模型将数据分为训练集和测试集,参数运算采用Prony方法,预测拟合未来的出车数量;AR(4)和AR(7)模型采用均匀系数,预测当天出车数量。结果ARIMA(1,1,1)、AR(4)以及AR(7)都可以实现对日出车数量的有效预测,ARIMA(1,1,1)的预测拟合误差随着预测时间的延长下降。两个月内的急救调度日出车量预测拟合平均绝对百分比误差(MAPE)低于6%,结果基本都位于95%置信区间内,利用模型的残差分析验证了模型显著有效。结论ARIMA模型可以对两个月内的急救调度日出车量做长期预测拟合,AR模型可以对急救调度日出车量做短期有效预测。
简介:目的:探索糖皮质激素性骨质疏松(GIOP)模型兔骨髓脂肪分数及脂肪细胞时序性变化的规律。方法20只20周龄雌性新西兰大白兔随机分为对照组及GIOP组,每组兔10只。分别于基线时(0周)、4、8、12周行腰3-4及股骨近端骨密度扫描及磁共振波谱检查,以获得骨密度(BMD)及骨髓脂肪分数(FF)。在第8周及12周各处死实验兔一半行骨髓脂肪细胞定量分析。结果第4周时,两组兔FF值有显著性差异,而组间BMD至第8周时才有显著性差异(P均<0.05)。于第4及12周时,GIOP组FF值较基线时分别增高35.9%、75.2%(P均<0.001)。于第8周及12周时GIOP组骨髓脂肪细胞密度较对照组分别增高57.1%、35.4%,而骨髓脂肪细胞直径分别降低13.3%、增高22.7%,骨髓脂肪细胞面积分别增高30.8%、53.8%。FF值与腰椎BMD、股骨近端BMD呈中度负相关(r分别为-0.598、-0.675,P均<0.05),而FF值与骨髓脂肪细胞面积呈高度正相关(r=0.874,P<0.001)。结论GIOP初期骨髓脂肪形成以小尺寸脂肪细胞堆积为主,而后期则以大尺寸脂肪细胞堆积为主。磁共振波谱是动态评估骨髓脂肪含量变化规律的方法之一。
简介:已经一个多月了,西恩每天都吵闹着要养一只小狗,但爸爸的态度很坚决:“绝对不行!”西恩的妈妈一直夹在这父子俩中间。她既不想让儿子伤心,也不愿让丈夫生气。