在2003年成功预测SARS流行趋势的基础上，西安交通大学数学与统计学院生物数学团队与陕西师范大学生物数学团队、加拿大吴建宏教授团队合作，基于新型冠状病毒的传播机理、密切跟踪隔离和封城等策略，建立了传播动力学模型，对新型冠状病毒肺炎传播风险进行了预测分析，此项研究成果“Estimation of the transmission risk of 2019-nCov and its implication for public health interventions”。 研究中利用2020年1月10日至1月22日的报告疫情数据，采用动力学模型和统计计算方法预测武汉新型冠状病毒肺炎传播的基本再生数为6.47 (95%置信区间为5.71-7.23)，给出了疫情的达峰时间和峰值以及最终感染规模（若继续1月22日前的控制措施，疫情将在3月10日左右达到峰值）。研究中进一步采用似然函数方法加以验证，得到了与模型估计值一致的结果。如果续代时间大于6天或潜伏期越长，基本再生数可能更大，该结论说明了疫情传播的速度快。与23至25日的疫情数据相比，模型预测结果与报告疫情数据基本一致。 研究中进行敏感性分析，讨论了1月22日前武汉采取的防控措施的有效性以及在降低再生数中的重要作用。预测结果显示从23日起加强控制措施，报告病例数会在一个周后出现明显的下降，即加强的控制措施会在一个周后产生明显效果。进一步分析1月23日后武汉封城策略对其它地区疫情的影响，基于武汉到北京的航班、铁路等信息，计算武汉封城前后对北京疫情的影响，表明武汉封城（即北京无来自武汉输入病例）后，北京在未来7天的病例数将降低91.14%，这说明了武汉封城对全国疫情防控的关键作用。SSRN 截图 密切跟踪隔离措施的敏感性分析点击查看原文

故障预测与健康管理(Prognostics and Health Management, PHM)是利用先进的传感器技术集成，借助各种算法和智能模型来诊断、预测和监测系统/子系统/设备的健康状态，并根据诊断或预测信息、可用维修资源和使用要求对装备维修活动做出适当决策，从而以最小的投入获得最佳的健康状态。 PHM是一种实施以健康为核心的装备综合管理的技术方法和系统。实现了两个转变：由传统的基于传感器的故障诊断转向基于智能系统的健康状态预测与评估；由事后维修和定期维修转向基于状态的视情维修。主要研究内容包括：飞机液压/环控/供电/蓄电池/作动器等典型机电系统的地面故障诊断与健康预测评估，机载状态监测与诊断推理，飞机机电PHM原型系统，小卫星电源系统在轨寿命预测与运行管理，船舶机电系统综合状态评估与维护维修辅助决策，测试性设计分析与试验验证等。 已在SCI/EI/ISTP检索的国际国内学术刊物和会议上发表论文100多篇，获得国家发明专利10余项。

在2003年成功预测SARS流行趋势的基础上，西安交通大学数学与统计学院生物数学团队与陕西师范大学生物数学团队、加拿大吴建宏教授团队合作，基于新型冠状病毒的传播机理、密切跟踪隔离和封城等策略，建立了传播动力学模型，对新型冠状病毒肺炎传播风险进行了预测分析，此项研究成果“Estimation of the transmission risk of 2019-nCov and its implication for public health interventions”。 研究中利用2020年1月10日至1月22日的报告疫情数据，采用动力学模型和统计计算方法预测武汉新型冠状病毒肺炎传播的基本再生数为6.47 (95%置信区间为5.71-7.23)，给出了疫情的达峰时间和峰值以及最终感染规模（若继续1月22日前的控制措施，疫情将在3月10日左右达到峰值）。研究中进一步采用似然函数方法加以验证，得到了与模型估计值一致的结果。如果续代时间大于6天或潜伏期越长，基本再生数可能更大，该结论说明了疫情传播的速度快。与23至25日的疫情数据相比，模型预测结果与报告疫情数据基本一致。 研究中进行敏感性分析，讨论了1月22日前武汉采取的防控措施的有效性以及在降低再生数中的重要作用。预测结果显示从23日起加强控制措施，报告病例数会在一个周后出现明显的下降，即加强的控制措施会在一个周后产生明显效果。进一步分析1月23日后武汉封城策略对其它地区疫情的影响，基于武汉到北京的航班、铁路等信息，计算武汉封城前后对北京疫情的影响，表明武汉封城（即北京无来自武汉输入病例）后，北京在未来7天的病例数将降低91.14%，这说明了武汉封城对全国疫情防控的关键作用。SSRN 截图 密切跟踪隔离措施的敏感性分析点击查看原文

建筑设施内空调管道噪声控制与治理无论对于日常生活品质以及工业噪声污染都 是一个重要的课题，对于具体工程建设在设计之初就能获得较为理想的设计方案显得尤 为重要。传统空调管道的设计工作大多通过翻查大量数表及依照大量复杂的公式计算从 而获得其噪声自然衰减以及再生噪声的量级，最后将所有管道组件的衰减噪声及再生噪 声量进行统一，从而得出整个空调管道的噪声预测结果。此过程工作繁琐，大量的查表 及公式计算很容易出错，并且复查工作较为难进行，从而导致设计方案的周期较长，效 率低下。同时由于很多数表及公式的适用条件有限，大量新型材料的涌现很难在一些数 表中找到对应关系，这势必会导致设计方案存在误差较大的风险，难以把握空调管道噪 声的控制。 针对于上述情况，我们开发了空调管道噪声预测系统——NoiseExpress，首先其将 大量的参考数表数字化，公式程序化，设计者只需将空调管道个单元组件间结构规格及 物理构成通过程序相应的控件输入，最终便可以得出整个管道的噪声控制结果。同时本 系统集成了大量的空调管道各个单元组件如弯头、三通、变径管、静压箱、消声器等的 实测数据，丰富的数据库为管道设计，组件单元的设计及仿真提供了科学与现实依据， 大大提高了方案设计的精确度。

01. 成果简介 随着移动计算、传感器网络和科学观测设备等新技术在经济社会各领域的广泛应用，特别是监控、遥感、定位等技术的崛起，人们获得了海量的时空数据。时空数据分布于连续空间，并且随着时间动态变化，具有十分复杂的模式规律。例如，卫星遥感数据和雷达回波数据是广泛应用于气象观测和军事侦察的时空数据，在连续的卫星扫描或雷达观测过程中，形成时间轴上的一系列遥感图像或回波影像，反映三维地理空间中某种观测物理量的变化规律。视频监控、医学影像、气象预报、环境监测等很多应用领域都涉及时空数据预测和识别任务，在问题求解过程中需要同时考察时间和空间两方面因素，存在时间上的非平稳性和空间上的高维相关性两大技术难题。 本成果创新大数据深度学习技术，从复杂、海量、高维、非平稳的时空数据中识别重要的时空模式，挖掘在时间和空间上的变化规律，并对未来的时空演变趋势进行预测，形成了时空数据预测和识别的深度学习技术（如图1所示）。具体包括：·        提出卷积结构与循环结构深度融合的统一建模方法，学习高维度、非线性时空特征表示，挖掘空间关联结构与时间动态信息；·        提出时空记忆单元和回忆机制，对时空非线性、非平稳性变化进行预测学习；·        提出时空数据的迁移学习技术，降低时空分布差异，实现知识的跨时空迁移。 该技术尤其擅长捕捉高维度、非平稳时空数据的非线性变化规律，例如多物体对象在空间和时间上的“产生、消亡、运动、形变“等复杂时空数据场景。与同类技术相比，运行时间短，预测和识别精度高，在国际上处于整体先进、部分领先的水平。  图1. 用于时空数据预测和识别的循环神经网络架构及其时空记忆单元图2. 本成果技术（时空数据预测与识别）在北京交通流量预测任务上的效果02. 应用前景 该技术成熟度高，部分成果已经以线上系统的形态成功应用于中国气象部门强对流天气预报业务中，与国内现有极端天气预报业务系统相比，该技术将雷达回波外推预报准确率平均提高了45%，其中高强度雷达回波外推预报准确率提高了353%，处于国际先进水平。气象灾害中70%以上是由雷暴大风、下击暴流等强对流天气导致，致死人数占自然灾害死亡人数的93%，因此该技术在避免人员伤亡、实现财产保全、减少农业损失方面产生显著的社会经济效益。同时，该技术还可广泛应用于时空数据的预测和识别场景，在关系国计民生的气象、环保、交通等领域可以发挥重要作用，应用前景广阔。例如，采用该技术可实现未来交通流量时空分布的精准预测（如图2）。该项成果还入选了2018年首届数字中国建设峰会，为杭州G20峰会、厦门金砖会晤、中国国际进口博览会等提供了精准预报支持，获得2018年教育部技术发明一等奖和2018年中国气象学会科技进步奖一等奖。03. 知识产权 本项成果已获得发明专利授权6项。04. 团队介绍 本成果团队长期研究大数据管理与分析技术，包括分布式数据存储与查询、深度学习与迁移学习、业务过程挖掘、数据质量治理等方向。团队负责人为王建民教授、软件学院院长，机器学习小组组长为龙明盛副教授。团队在本领域发表国际学术论文100余篇，申请专利100余项，授权专利60余项。相关成果获2018年教育部技术发明一等奖、2018年中国气象学会科技进步一等奖、2014年国家科技进步二等奖、2013年中国电子学会科技进步一等奖、2012年教育部科技进步一等奖等奖励。05. 合作方式 技术许可 / 软件服务。

项目研究内容： 1、开发基于工业现场总线技术，集检测、控制和优 化等功能于一体，具有高适应性、高可靠性和高稳定性等特点的低成本控 制系统，达到协调处理过程中各设备的动作，最终保证外排废水达标。 2、 在废酸水工艺处理过程中，中和过程的非线性、滞后性，本项目采用分层 递阶优化的非线性系统预测控制，通过对系统的非线性部分的预估和协 调，将原来非线性协调滚动优化问题转化为线性协调的滚动优化，即保留 了线性系统

利用合成gRNA-靶序列的高通量文库允许直接在细胞环境中便捷和高通量地收集gRNA活性数据，由此建立的计算模型来预测gRNA的活性比较可靠。

1、参照典型人体标本及国内外经典权威教材及图谱制作，如人卫出版社丁文龙主编的《系统解剖学》、人卫出版社南京医学院主编的《人体解剖学图谱》、江苏科学技术出版社姜同喻编著的《连续层次解剖图谱》、山东科学技术出版社丁自海主译《格式解剖学》、广东科技出版社胡耀民主编的《人体解剖学标本彩色图谱》等，造型自然准确、颜色自然，满足教学需要；

脑电信号作为人体重要的生理信息，已经被广泛应用于医学疾病诊断与治疗、人体潜能开发等方面。脑电图通过将电极接入被试对象的头皮，来测量大量神经元发放所形成的电场。脑电波作为能够体现大脑活动的信号中的一种，有方便检测、非侵入式且对被试对象友好等特点。一般认为，通过对大脑脑电波的检测并采取特定数据分析方法，有望将大脑的各项反应能力充分挖掘出来。近年来，脑电信号分析已成为认知神经科学领域的重要技术之一。大量研究表明，人类认知能力与脑电信号有关，其中工作记忆能力在认知中起关键作用。脑电信号具有数据量大、时间分辨率高、易受干扰等特点，给研究带来了不少挑战。杨立坚课题组使用样条函数，基于随机抽取的122名大学生志愿者训练集，以闭眼静息态下8个脑前区导联的脑电信号（图1），对20名志愿者测试集进行工作记忆能力的预测（图2），其确定系数R^2在多次随机试验下的中位数为68%，最低值大于50%，最高值72%（图3）。图1 ：试验中脑电信号记录的导联名称和位置图2：对某测试集计算的认知能力预测值与真实值的对比图3：对多次重复随机抽取的测试集计算的确定系数R^2箱线图杨立坚课题组依托10年来自身在函数型数据领域的研究成果，课题组2017级博士生张园园和2018级博士生黄昆在学习神经科学专业知识的同时，与机械工程系教授吴方芳和硕士生王健凯高效合作，分析季林红课题组的大学生志愿者脑电与认知能力数据。他们秉承“面向应用，背靠理论，写好算法”的统计学理念，把样条回归估计脑电信号的光滑轨迹，张量样条回归估计协方差函数，样条估计函数型主成分与得分等深刻的统计学前沿理论，结合LASSO回归，转化为快速准确分析脑电数据的算法（图4），从2018年12月开始仅用6个多月的时间，就很好地解决了基于工作记忆能力预测的问题，完成了这篇跨学科应用方法论文。图4：算法流程图

面向快速、高效的矿产资源探测的国家需求，集成空间数据挖掘与案例推理技术，充分利用海量的地质空间数据，解决矿产资源潜力评价与预测关键技术。在此基础上，建立智能化区域成矿预测系统和三维矿产资源预测系统，为各地质矿产单位进行找矿勘探提供空间分析和决策的基础平台。主要功能、特色： ？ 建立了不确定性地质空间数据挖掘算法模型、成矿案例推理模型，提高了区域成矿预测的效率、精度和智能性； ？ 综合不确定性地质空间数据挖掘、成矿案例推理和证据权模型，建立了混合推理策略与方法，得到更为客观的综合预测结果； ？ 基于COM架构，开发了“区域成矿预测信息系统”和“三维矿产资源预测系统”，包括地质空间数据管理、空间分析、模型预测、专题制图等功能； ？ 发展了三种高光谱矿物填图方法：权重光谱角制图法、耦合整体光谱匹配和局部光谱匹配的高光谱矿物信息提取方法、特征参数拟合方法； ？ 完成了区域成矿预测的数学地质方法扩展与应用，包括证据权模型、扩展证据权模型和逻辑斯谛回归模型，为地质空间数据挖掘和成矿案例推理提供图层选择及参数化的理论依据和对比验证对象； ？ 以我国西部典型成矿带——青海东昆仑成矿带为例，进行上述各类算法模型的区域成矿预测实验，并进行了野外调查与验证。 基于上述研究成果，该课题成果已申请发明国家专利2项；计算机软件系统2个；出版专著1部《多源地质空间信息智能处理与区域成矿预测》；发表或录用论文15篇，其中SCI期刊论文5篇，EI期刊论文4篇。