CN106779224A - 一种预测高考录取概率的方法及系统 - Google Patents
一种预测高考录取概率的方法及系统 Download PDFInfo
- Publication number
- CN106779224A CN106779224A CN201611194571.9A CN201611194571A CN106779224A CN 106779224 A CN106779224 A CN 106779224A CN 201611194571 A CN201611194571 A CN 201611194571A CN 106779224 A CN106779224 A CN 106779224A
- Authority
- CN
- China
- Prior art keywords
- examinee
- data
- universities
- colleges
- admission
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000012360 testing method Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 5
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Educational Technology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种预测高考录取概率的方法及系统，其方法通过采集近几年的全国各地考生的成绩数据、全国各省的招生计划数据、全国各高校的录取数据，计算录取安全线，并分析其波动范围，再结合考生的分数情况，计算出对应的学校录取概率，将概率模型应用于高考志愿填报辅助决策中，有助于广大高考考生有效地认识和规避志愿填报的风险，提高志愿填报的科学性和合理性。
Description
技术领域
本发明涉及一种概率计算方法，更具体的，涉及一种预测高考录取概率的方法及系统。
背景技术
高考志愿填报是每一个高中毕业生升大学前都要遇到的问题。由于填报志愿的失误导致上不了理想的大学， 甚至落榜的实例几乎每年都有，因此这也是家长、学校和社会广泛关注的影响很大的问题。一般而言，考生在填报志愿时有的志愿明确、有的志愿模糊。志愿明确型的考生有自己明确的报考学校，他们担心的是自己能否被这个学校录取；志愿模糊型的考生没有明确的报考目标，只存在一种模糊的倾向，他们有一个全面的参考信息，并根据这些信息选择其中胜算大的学校填报。不管志愿明确型还是志愿模糊型的考生，分析其被某一学校录取的概率都是很有用的。
通常情况下，考生都是利用手上的《高考志愿填报指南》，查询历年的学校录取最低分，再结合自身的成绩，进行简单的判断。但是鉴于每年的考试难度不一致，每年的分数都存在一定的波动情况。在此基础上，如果考生仅根据书本上的数据来判断能否被某所大学录取，存在着很大的风险，导致考生在高考志愿填报中的失利。
发明内容
本发明旨在解决现有技术中存在的技术问题，根据近几年的学校录取招生数据，分析其波动范围，再结合考生的分数情况，计算出对应的学校录取概率，能够帮助考生有效地认识和规避志愿填报的风险，提高志愿填报的科学性和合理性。
为实现上述目的，本发明提供了一种预测高考录取概率的方法，包括如下步骤：
步骤1，自动获取近几年全国各地考生的成绩数据，并进行存储；
步骤2，自动获取所述近几年全国各省的招生计划数据，并进行存储；
步骤3，自动获取所述近几年全国各高校的录取数据，并进行存储；
步骤4，对每个省份，分别采用所存储的所述步骤1、步骤2、步骤3中的相应数据，训练出一套计算概率模型，划定可以安全录取的考生排名，并计算出可以安全录取的安全线；
步骤5，综合计算出各高校所录取考生排名的波动范围；
步骤6，用户在输入考生成绩及志愿高校后，通过比较与所述的安全线高低，和判断该高校的所述波动范围的大小，即可算出该考生成绩在该志愿高校的录取概率。
更具体的，所述步骤1中的考生的成绩数据至少包括考生总分数、考生排名、考试科目和各科分数。
更具体的，所述步骤2中招生计划数据至少包括各个高校专业在各省各科的招生计划、招生政策、以及招生要求。
更具体的，所述步骤3中的所述录取数据至少包括录取的每个考生的生源地、成绩、志愿表。
更具体的，所述步骤5之前步骤4之后还包括：根据所述可以安全录取的考生排名，划分出录取情况相近的高校。
更具体的，所述步骤6之后还包括：计算出与该考生志愿高校录取情况相近的高校的录取概率。
根据本发明的另一方面，还提供了一种预测高考录取概率的系统，该系统包括：
考生数据采集模块，自动获取近几年全国各地考生的成绩数据，并进行存储；
招生计划数据采集模块，自动获取所述近几年全国各省的招生计划数据，并进行存储；
录取数据采集模块，自动获取所述近几年全国各高校的录取数据，并进行存储；
安全线计算模块，对每个省份，分别采用所存储的所述考生数据采集模块、招生计划数据采集模块、录取数据中的相应数据，训练出一套计算概率模型，划定可以安全录取的考生排名，从而计算出可以安全录取的安全线；
波动范围计算模块，综合计算出各高校所录取考生排名的波动范围；
输入模块，用于用户输入考生成绩及志愿高校；
录取概率计算模块，通过比较与所述的安全线高低，和判断该高校的所述波动范围的大小，计算出该考生成绩在该志愿高校的录取概率。
更具体的，所述考生的成绩数据至少包括考生总分数、考生排名、考试科目和各科分数；所述招生计划数据至少包括各个高校专业在各省各科的招生计划、招生政策、以及招生要求；所述录取数据至少包括录取的每个考生的生源地、成绩、志愿表。
更具体的，所述安全线计算模块还用于：根据所述可以安全录取的考生排名，划分出录取情况相近的高校。
更具体的，所述录取概率计算模块还用于：计算出与该考生志愿高校录取情况相近高校的录取概率。
本发明通过采集近几年的学校录取招生数据，分析其波动范围，再结合考生的分数情况，计算出对应的学校录取概率，将概率模型应用于高考志愿填报辅助决策中，有助于广大高考考生有效地认识和规避志愿填报的风险，提高志愿填报的科学性和合理性。
本发明本身带有自我检验并提高的功能，可以用来对每年高考进行预测，并用真实录取数据进行检验，逐年累积，达到日臻完善的效果。
本发明的附加方面和优点将在下面的描述部分中给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1示出了根据本发明一种预测高考录取概率的方法的流程图；
图2示出了根据本发明一种预测高考录取概率的系统的系统框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
为了更好的说明本发明的方案，下面将结合说明书附图进行说明。
图1示出了根据本发明一种预测高考录取概率的方法的流程图。
如图1所示，根据本发明的一种预测高考录取概率的方法，该方法包括以下步骤：
步骤1，自动获取近几年全国各地考生的成绩数据，并进行存储。
举例来说，自动获取近7年来全国各地考生的成绩数据，包括考生总分数、考生排名、考试科目和各科分数，并储存于存储器中。
步骤2，自动获取所述近几年全国各省的招生计划数据，并进行存储。
举例来说，自动获取近7年来全国各省的招生计划数据，包括各个高校专业在各省各科的招生计划、招生政策、以及招生要求，并进行存储。
步骤3，自动获取所述近几年全国各高校的录取数据，并进行存储；
举例来说，自动获取近7年来全国各高校的录取数据，包括录取的每个考生的生源地、成绩、志愿表，并进行存储。
步骤4，对每个省份，分别采用所存储的所述步骤1、步骤2、步骤3中的相应数据，训练出一套计算概率模型，划定可以安全录取的考生排名，并计算出可以安全录取的安全线；
步骤5，综合计算出各高校所录取考生排名的波动范围；
步骤6，用户在输入考生数据后，通过比较与所述的安全线高低，和判断该高校的所述波动范围的大小，即可算出该考生成绩在该志愿高校的录取概率，所述考生数据至少包括考生分数、志愿高校、生源地。
由于各高校在某省的投档分数波动较大，而其投档分名次的波动较小，各省教育考试院计算机投档系统是按照考生名次由高到低依次投档，因此无论是从理论上还是各省多年实际的投档数据来看，基于名次定位法来进行志愿填报是一种更科学的方法。
由于近年度中，高校以及对应专业的招录考生的名次占比变化不大，能够合理的对考生的录取概率进行评估，从而为考生的志愿选择提供准确的填报策略，减少考生填报不合理导致的落榜，且越靠近本年度的参考价值越高。
更具体的，所述步骤5之前步骤4之后还包括：根据所述可以安全录取的考生排名，划分出录取情况相近的高校。
更具体的，所述步骤6之后还包括：计算出与该考生志愿高校录取情况相近的高校的录取概率，并将其推荐给用户。
具体来说，根据考生填报的数据，判断其在生源地的排名是否在志愿学校历年录取名次范围之内，如是，计算出录取概率，供考生参考；如否，向考生推荐与志愿高校录取情况相近的高校或低于志愿高校级别的高校重新进行填报。
更具体的，经研究表明，每年高考考生成绩分布曲线大致符合正态分布，随着考题的难易程度，曲线的陡峭程度会发生不同的变化，可以利用这一结论对历年的高考数据进行处理和分析计算录取概率。
图2示出了根据本发明一种预测高考录取概率的系统的系统框图。
如图2所示，一种预测高考录取概率的系统，该系统包括：考生数据采集模块、招生计划数据采集模块、录取数据采集模块、安全线计算模块和波动范围计算模块，其中，
考生数据采集模块，用于自动获取近几年全国各地考生的成绩数据，并进行存储；
招生计划数据采集模块，用于自动获取所述近几年全国各省的招生计划数据，并进行存储；
录取数据采集模块，用于自动获取所述近几年全国各高校的录取数据，并进行存储；
安全线计算模块，对每个省份，分别采用所存储的所述考生数据采集模块、招生计划数据采集模块、录取数据中的相应数据，训练出一套计算概率模型，划定可以安全录取的考生排名，从而计算出可以安全录取的安全线；
波动范围计算模块，综合计算出各高校所录取考生排名的波动范围；
输入模块，用于用户输入考生数据，所述考生数据至少包括考生分数、志愿高校、生源地。
录取概率计算模块，通过比较与所述的安全线高低，和判断该高校的所述波动范围的大小，计算出该考生成绩在该志愿高校的录取概率。
更具体的，所述考生的成绩数据至少包括考生总分数、考生排名、考试科目和各科分数；所述招生计划数据至少包括各个高校专业在各省各科的招生计划、招生政策、以及招生要求；所述录取数据至少包括录取的每个考生的生源地、成绩、志愿表。
更具体的，所述安全线计算模块还用于：根据所述可以安全录取的考生排名，划分出录取情况相近的高校。
更具体的，所述录取概率计算模块还用于：计算出与该考生志愿高校录取情况相近高校的录取概率，并将其推荐给用户。
具体来说，本发明的系统可根据考生填报的数据，判断其在生源地的排名是否在志愿学校历年录取名次范围之内，如是，计算出录取概率，供考生参考；如否，向考生推荐与志愿高校录取情况相近的高校或低于志愿高校级别的高校重新进行填报。
本发明通过采集近几年的学校录取招生数据，分析其波动范围，再结合考生的分数情况，计算出对应的学校录取概率，将概率模型应用于高考志愿填报辅助决策中，有助于广大高考考生有效地认识和规避志愿填报的风险，提高志愿填报的科学性和合理性。
本发明还可以将概率模型应用于高考志愿填报辅助决策中，且能够在正态分布相关理论的支撑下计算录取概率，理论结果和实际录取情况符合得较好。本发明本身带有自我检验并提高的功能，可以用来对每年高考进行预测，并用真实录取数据进行检验，逐年累积，达到日臻完善的效果。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种预测高考录取概率的方法，其特征在于，包括如下步骤：
步骤1，自动获取近几年全国各地考生的成绩数据，并进行存储；
步骤2，自动获取所述近几年全国各省的招生计划数据，并进行存储；
步骤3，自动获取所述近几年全国各高校的录取数据，并进行存储；
步骤4，对每个省份，分别采用所存储的所述步骤1、步骤2、步骤3中的相应数据，训练出一套计算概率模型，划定可以安全录取的考生排名，并计算出可以安全录取的安全线；
步骤5，综合计算出各高校所录取考生排名的波动范围；
步骤6，用户在输入考生数据后，通过比较与所述的安全线高低，和判断该高校的所述波动范围的大小，即可算出该考生成绩在该志愿高校的录取概率，所述考生数据至少包括考生分数、志愿高校、生源地信息。
2.根据权利要求1所述的一种预测高考录取概率的方法，其特征在于，所述步骤1中
的考生的成绩数据至少包括考生总分数、考生排名、考试科目和各科分数。
3.根据权利要求1所述的一种预测高考录取概率的方法，其特征在于，所述步骤2中招生计划数据至少包括各个高校专业在各省各科的招生计划、招生政策、以及招生要求。
4.根据权利要求1所述的一种预测高考录取概率的方法，其特征在于，所述步骤3中的所述录取数据至少包括录取的每个考生的生源地、成绩、志愿表。
5.根据权利要求1所述的一种预测高考录取概率的方法，其特征在于，所述步骤5之前步骤4之后还包括：根据所述可以安全录取的考生排名，划分出录取情况相近的高校。
6.根据权利要求5所述的一种预测高考录取概率的方法，其特征在于，所述步骤6之后还包括：计算出与该考生志愿高校录取情况相近的高校的录取概率，并将其推荐给用户。
7.一种预测高考录取概率的系统，其特征在于，该系统包括：
考生数据采集模块，自动获取近几年全国各地考生的成绩数据，并进行存储；
招生计划数据采集模块，自动获取所述近几年全国各省的招生计划数据，并进行存储；
录取数据采集模块，自动获取所述近几年全国各高校的录取数据，并进行存储；
安全线计算模块，对每个省份，分别采用所存储的所述考生数据采集模块、招生计划数据采集模块、录取数据中的相应数据，训练出一套计算概率模型，划定可以安全录取的考生排名，从而计算出可以安全录取的安全线；
波动范围计算模块，综合计算出各高校所录取考生排名的波动范围；
输入模块，用于用户输入考生数据，所述考生数据至少包括考生分数、志愿高校、生源地信息；
录取概率计算模块，通过比较与所述的安全线高低，和判断该高校的所述波动范围的大小，计算出该考生成绩在该志愿高校的录取概率。
8.根据权利要求7所述的一种预测高考录取概率的系统，其特征在于，所述考生的成绩数据至少包括考生总分数、考生排名、考试科目和各科分数；所述招生计划数据至少包括各个高校专业在各省各科的招生计划、招生政策、以及招生要求；所述录取数据至少包括录取的每个考生的生源地、成绩、志愿表。
9.根据权利要求7所述的一种预测高考录取概率的系统，其特征在于，所述安全线计算模块还用于：根据所述可以安全录取的考生排名，划分出录取情况相近的高校。
10.根据权利要7所述的一种预测高考录取概率的方法，其特征在于，所述录取概率计算模块还用于：计算出与该考生志愿高校录取情况相近高校的录取概率，并将其推荐给用户。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611194571.9A CN106779224A (zh) | 2016-12-22 | 2016-12-22 | 一种预测高考录取概率的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611194571.9A CN106779224A (zh) | 2016-12-22 | 2016-12-22 | 一种预测高考录取概率的方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106779224A true CN106779224A (zh) | 2017-05-31 |
Family
ID=58899205
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611194571.9A Pending CN106779224A (zh) | 2016-12-22 | 2016-12-22 | 一种预测高考录取概率的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106779224A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107481169A (zh) * | 2017-08-08 | 2017-12-15 | 上海赢帆信息技术有限公司 | 高考往年分数的转换显示 |
| CN108280787A (zh) * | 2018-02-01 | 2018-07-13 | 蔡豪杰 | 数据处理方法、装置、电子设备及可读存储介质 |
| CN108629007A (zh) * | 2018-05-04 | 2018-10-09 | 上饶市普适科技有限公司 | 一种排除历史招生数据异常值的方法 |
| CN109190020A (zh) * | 2018-08-08 | 2019-01-11 | 仪征达人信息技术有限公司 | 一种基于考生专业需求进行高考志愿推荐方法 |
| TWI649718B (zh) * | 2017-06-08 | 2019-02-01 | 樂學網科技股份有限公司 | Method and device for recommending similar school systems |
| CN111667389A (zh) * | 2020-06-16 | 2020-09-15 | 衢州量智科技有限公司 | 基于大数据的高考录取概率的评估方法及评估装置 |
| CN111861038A (zh) * | 2020-07-31 | 2020-10-30 | 浙江萃文科技有限公司 | 一种基于机器学习算法的高考分数预测方法及系统 |
-
2016
- 2016-12-22 CN CN201611194571.9A patent/CN106779224A/zh active Pending
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI649718B (zh) * | 2017-06-08 | 2019-02-01 | 樂學網科技股份有限公司 | Method and device for recommending similar school systems |
| CN107481169A (zh) * | 2017-08-08 | 2017-12-15 | 上海赢帆信息技术有限公司 | 高考往年分数的转换显示 |
| CN108280787A (zh) * | 2018-02-01 | 2018-07-13 | 蔡豪杰 | 数据处理方法、装置、电子设备及可读存储介质 |
| CN108629007A (zh) * | 2018-05-04 | 2018-10-09 | 上饶市普适科技有限公司 | 一种排除历史招生数据异常值的方法 |
| CN108629007B (zh) * | 2018-05-04 | 2022-08-09 | 上饶市普适科技有限公司 | 一种排除历史招生数据异常值的方法 |
| CN109190020A (zh) * | 2018-08-08 | 2019-01-11 | 仪征达人信息技术有限公司 | 一种基于考生专业需求进行高考志愿推荐方法 |
| CN111667389A (zh) * | 2020-06-16 | 2020-09-15 | 衢州量智科技有限公司 | 基于大数据的高考录取概率的评估方法及评估装置 |
| CN111861038A (zh) * | 2020-07-31 | 2020-10-30 | 浙江萃文科技有限公司 | 一种基于机器学习算法的高考分数预测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106779224A (zh) | 一种预测高考录取概率的方法及系统 | |
| Abele et al. | A closer look at academic probation and attrition: What courses are predictive of nursing student success? | |
| Delavari et al. | Data mining application in higher learning institutions | |
| Zheng et al. | Application of extreme value theory for before-after road safety analysis | |
| CN107239967A (zh) | 房产信息处理方法、装置、计算机设备及存储介质 | |
| CN107609711A (zh) | 一种报考信息的提供方法、装置、设备及存储介质 | |
| Liu et al. | Detecting outliers in species distribution data | |
| CN111489008B (zh) | 一种交通事故影响因素空间效应分析方法及其应用 | |
| KR101953190B1 (ko) | 복잡한 양자 또는 다자 상대방 관계를 탐색하기 위해 이용되는 다차원 재귀적 학습 과정 및 시스템 | |
| CN109783631A (zh) | 社区问答数据的校验方法、装置、计算机设备和存储介质 | |
| Attwood et al. | Diagnostic thresholds with three ordinal groups | |
| Lehtinen | Derivational robustness and indirect confirmation | |
| Lomax | Introduction to structural equation modeling | |
| CN108805312B (zh) | 一种相邻卡口的确定方法及装置 | |
| CN112069329B (zh) | 文本语料的处理方法、装置、设备及存储介质 | |
| Robinson-García et al. | An insight into the importance of national university rankings in an international context: the case of the I-UGR rankings of Spanish universities | |
| Parkinson et al. | Evaluating positivist theories of occupant satisfaction: a statistical analysis | |
| Holden et al. | Trip energy estimation methodology and model based on real-world driving data for green-routing applications | |
| Luger et al. | Identification of representative operating conditions of HVAC systems in passenger rail vehicles based on sampling virtual train trips | |
| Aziz et al. | A novel approach to estimate emissions from large transportation networks: Hierarchical clustering-based link-driving-schedules for EPA-MOVES using dynamic time warping measures | |
| Cliffordson | Methodological issues in investigations of the relative effects of schooling and age on school performance: The between-grade regression discontinuity design applied to Swedish TIMSS 1995 data | |
| Cabaleiro Casal et al. | Is the tax collection effort an indicator of the financial condition of Spanish municipalities? | |
| Campbell et al. | In-house age-specific reference ranges for free light chains measured on the SPAPlus® analyser | |
| Lu et al. | An investigation of the uncertainty of handbook of emission factors for road transport (HBEFA) for estimating greenhouse gas emissions: A case study in Beijing | |
| CN104636636A (zh) | 蛋白质远程同源性检测方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170531 |