动物与临床试验——评价大豆低聚肽的降血压效果

为了检验大豆低聚肽的降血压效果,首先进行了动物试验,选择SHR(自发性高血压)大鼠30只,其中21只为雌性大鼠,9只为雄性大鼠。喂养方法:大豆低聚肽加入饮水中服用,并辅以乳粉;对照组仅给乳粉和饮水。实验期间,每天下午测定血压(SBP)。结果表明,大豆低聚肽的降血压作用很明显。服药3d后,实验组的血压与对照组的血压相比低30mmHg。剂量对降血压效应也有影响。低剂量能使血压下降到较低的值,但是随后效应有反弹;高剂量则可较早地降低血压,并且在较长的时间内保持平衡。临床实验研究按照中国高血压指南标准选择原发性高血压患者40例,平均年龄为51.66±11.35岁,分别在服用大豆低聚肽前和1个月后测定血压、心率,记录心电图等和血液中相关生化指标。研究认为,服用大豆低聚肽可能会降低原发性高血压患者的血压,其机制可能与其对血压紧张素转化酶(Angiotensinconvertingenzyme,ACE)的抑制有关。     

导电复合纤维基柔性应变传感器的研究进展

为促进导电复合纤维在柔性应变传感器领域的应用,从导电材料和柔性基体的结合方式出发,对传感器的制备方法进行综述分析,其制备方法主要分为3类,包括导电材料/柔性基体匀质复合纤维、导电材料包覆柔性纤维和柔性基体包覆导电纤维。在此基础上,对3类导电复合纤维传感器的性能进行比较分析,总结了各导电网络的传感性能。分析发现纤维的形变行为和导电网络的压阻效应决定了传感器的应变性能和敏感性,导电材料和柔性基体的界面作用是影响传感器稳定性和耐久性的关键因素,复合纤维及纤维集合体和多重导电的网络结构的研发有利于高性能传感器的开发。最后,介绍了导电纤维柔性应变传感器的应用情况和发展趋势,并提出了今后的研究方向。     

1996-2013年百色市麻疹流行特征分析

目的：了解百色市麻疹疫情长期变化趋势，为进一步控制和实现消除麻疹提供依据。方法麻疹发病资料来自法定传染病报告系统和麻疹监测信息报告系统（MSS），采用描述流行病学方法进行分析。结果百色市1996—2013年麻疹发病率总体呈下降趋势，2011年降至最低水平（0/10万）。2008年后的发病高峰后移2～3个月，发病年龄仍以1～14岁为主，但2013年发生的暴发疫情病例中<1岁组和>15岁组的发病占比增加，出现发病年龄双向位移的趋势。8月龄～14岁患者中无免疫史或免疫史不详者3032例，占61.59%。结论麻疹疫苗接种免疫空白是麻疹发病的主要原因。近年采取的强化免疫和查漏补种等综合防制措施是有效的。应进一步提高含麻疹成分疫苗2剂次接种率达95%，提高监测质量和早期疫情应急处置能力以及控制医院内感染。     

基于选择性集成核学习算法的固废焚烧过程二噁英排放浓度软测量

城市固废焚烧(MSWI)过程排放的二噁英(DXN)是被称为"世纪之毒"的持续性污染物。该过程的多阶段、多温度区间的物理化学特性导致DXN排放浓度的机理模型难以构建。工业实际中通常以月或季为周期耗时近1周时间在实验室以离线化验方式滞后检测。针对这些问题,提出了基于选择性集成(SEN)核学习算法的DXN排放浓度软测量方法。首先,基于先验知识给出候选核参数集和候选惩罚参数集,采用核学习算法构建基于这些超参数的候选子子模型;然后,耦合优化和加权算法对相同核参数的候选子子模型进行选择与合并,进而得到基于不同核参数的候选SEN子模型集合;最后,再次采用优化和加权算法获得结构与超参数自适应的多层SEN软测量模型。采用UCI平台水泥抗压强度和焚烧过程DXN数据验证了所提方法的有效性。     

超疏水棕榈生物质材料的研发

采用乙酰化改性和硅烷后整理的方法,处理棕榈纤维,制备超疏水生物质材料,通过静态接触角对其疏水性能进行表征。结果表明:乙酰化改性最优工艺为乙酸酐在乙酸体系中的体积分数为55%、高氯酸铝质量浓度为3.75mg/mL、浴比为1∶20、温度为55℃、反应时间为0.5h;硅烷后整理最优工艺为三氯十八烷基硅烷溶于甲苯中的体积分数为0.01%、浴比为1∶100、反应时间为60min,测得静态接触角为155.2°。     

冲天炉炉料的简便计算法

炉料计算表中,横座标表示原材料中某种元素含量的百分数(％),纵座标表示该原材料占全部金属装料量的百分数(％),横座标和纵座标交点的数值就是该原材料所带入的某种元素的数量占全部金属装料量的百分数。     

基于深度迁移学习的大雾等级智能认知方法研究

已有雾气检测模型存在缺陷以及深层神经网络优化存在困难。模仿人类认知模式,借鉴迁移学习和闭环控制理论思想,探索了一种基于动态交错组卷积的雾气等级智能认知方法。首先,构建交错组卷积层以降低卷积运算的通道冗余;其次,构建可区分性测度指标和认知决策信息系统,获取雾气图像多层次差异化简约特征空间数据结构;再次,设计深层随机配置网络分类器,构建具有强泛化能力的分类准则;最后,基于广义误差和熵理论,仿人类反复推敲比对的认知模式实时评测雾气等级认知结果的可信度,基于迁移学习机制实现雾气图像多层次差异化特征空间及其分类准则的自寻优重构,对可信度低的雾气图像进行再认知。15 000幅大雾图像的平均识别率为95.98%,实验结果表明,所用方法与其他算法相比,增强了模型的泛化能力,提升了模型的认知精度。     

深度集成森林回归建模方法及应用

复杂工业过程因涉及多种物理/化学反应,其质量指标或环保指标等难测参数的精确数学模型难以构建.常用的基于神经网络的数据驱动建模方法存在可解释性差、样本需求量大等缺点.针对上述问题,提出了一种非神经网络模式的深度集成森林回归(deep ensemble forest regression,DEFR)建模方法.首先,基于样本空间和特征空间的随机采样策略获得训练子集后构建T个基于决策树(decision trees,DT)的子森林模型,将采用K最近邻(K-nearest neighbor,KNN)准则选取的层回归向量与原始特征组合获得的增强层回归向量作为输入层森林模型的输出;然后,采用相同方式构建包含若干预设层数的中间层森林模型;最后,基于上层增强层回归向量构建输出层的子森林模型,通过对其T个输出值的加权获得DEFR模型的预测值.采用加州大学欧文分校(University of California Irvine,UCI)平台混凝土抗压强度数据和城市固废焚烧过程的二口恶英排放质量浓度数据仿真验证了所提方法的有效性.     

基于TS-FNN的城市固废焚烧过程MIMO被控对象建模

针对城市固废焚烧(MSWI)过程中因机理反应复杂、不确定性严重等原因导致被控对象模型难以建立的问 题, 设计了一种基于(T-S)型模糊神经网络(FNN)的多输入多输出(MIMO)模型. 首先, 描述了MSWI过程的核心工艺 流程并分析了模型的影响因素; 接着, 设计了面向过程控制的被控对象建模策略, 其由工况识别模块、数据预处理 模块、特征约简模块、被控对象模型训练模块与被控对象模型测试模块组成; 最后, 通过实验表明了所构建模型的 有效性, 为研究MSWI过程的优化控制算法奠定了基础.     

选择性集成核极限学习机建模及其应用研究

针对选择性集成逆向传播神经网络(GASEN-BPNN)模型训练学习速度慢,选择性集成极限学习机(GASEN-ELM)模型建模精度稳定性差等问题,提出一种基于遗传算法的选择性集成核极限学习机(GASEN-KELM)建模方法。该方法首先通过对训练样本进行随机采样获取子模型训练样本;然后采用泛化性、稳定性较佳的核极限学习机(KELM)算法建立候选子模型,通过标准遗传算法工具箱,依据设定阈值按进化策略优化选择最佳子模型;最后通过简单平均加权集成的方式获得最终GASEN-KELM模型。采用标准混凝土抗压强度数据验证了所提出方法的有效性,并与GASEN-BPNN和GASEN-ELM选择性集成算法进行比较,表明所提出方法可以在模型学习速度和建模预测稳定性方面获得较好的均衡。