高效液相色谱法检测重组人干扰素α2b注射液中间甲酚含量

目的建立重组人干扰素α2b(recombinant human interferon α2b,rhIFNα2b)注射液中间甲酚含量高效液相色谱(high performance liquid chromatography,HPLC)检测方法,并对方法进行验证。方法采用RP-HPLC法,选用ZORBAX 300SB-C18(4. 6 mm×250 mm 5-Micron)色谱柱,流动相为水∶甲醇(50∶50),柱温45℃,上样量20μL,流速0. 5 mL/min,检测波长270 nm。对方法进行线性、专属性、准确性、精密性、定量限及耐用性验证。分别采用建立的方法及《中国药典》四部(2015版)4-氨基安替比林分光光度法测定3批rhIFNα2b注射液中的间甲酚含量,比较两种方法的测定结果。结果该方法在间甲酚含量为1 000～0. 1μg/mL范围内线性良好,R~2为0. 999 3;药用辅料与IFN蛋白对间甲酚含量检测无干扰;该方法检测高、中、低3种浓度样品的平均回收率分别为97. 10%、99. 00%和103. 94%,总的平均回收率为100. 01%;重复性验证中RSD为0. 105%,中间精密性验证中RSD为0. 26%;该方法的定量限为0. 1μg/mL;同一色谱柱条件下,不同设备与不同时间配制的流动相对检测结果无明显影响;而使用不同程度色谱柱理论塔板数有明显差异。结论建立的HPLC检测方法专属性、精密性、耐用性良好,准确性高,可用于检测rhIFNα2b注射液中的间甲酚含量。     

基于MATCOM的VC与MATLAB集成应用研究

论述了Visual C^ 6.0与MATLAB集成应用的特点、意义，介绍了VC^ 环境下基于MATCOM集成应用系统的开发环境、系统软件配置、开发方法、步骤，说明这种集成开发方法的优势。     

基于数据挖掘的抽水蓄能机组故障关联关系分析

随着抽水蓄能电站规模的不断扩大,当机组发生故障时,大量丰富的故障信息送入控制中心,这些海量信息蕴含了丰富的故障原因与故障特征。为了从故障数据中发现隐含的故障征兆,获取能提高电站机组安全稳定运行水平的故障信息,本文借助数据挖掘技术中的关联规则提取方法,对机组不同运行工况下的历史数据与信息进行快速有效的分析、加工与提炼,依据电站运行记录与巡检记录,构建不同故障状态下的事务集,利用频繁模式增长算法分析故障样本事务集,挖掘满足预先指定的最小支持度与置信度的关联关系,获得不同故障下的机组典型关联关系。通过在某电站历史数据上的实际应用,关联分析结果验证了该方法的有效性,提取了机组有效故障信息,为电站运维人员提供了检修指导意见。     

基于遗传算法的运动图像的实时处理

提出了一种用于机器人手臂实时视觉伺服的运动图像实时处理的方法.这种方法采用全局遗传算法/局部遗传算法以及未经处理的原始图像对一个已知模型的运动目标物体进行识别.在GA处理的过程中,适应度函数的计算是基于表面-条纹模型作为目标物体模型,并且同时采用全局遗传算法和局部遗传算法来识别物体的形状及检测位置与方向,提高了GA的收敛速度,并得到了良好的识别结果.还采用一个三角形的物体为目标,对所提出的方法进行了仿真试验,结果证实了这种识别方法的有效性.     

黄河干流梯级电站补偿效益初步研究

根据黄河干流的实际和研究的需要，将全干流分为上、下两个子系统，并以发电量最大为目标建立模型，采用逐步优化算法(POA)进行计算求解。对比分析“有”“无”上游龙刘水库调节时给下游带来的供水及发电补偿效益，并提出了其初步分配方案，为决策部门提供了有效的数据参考依据。     

基于遗传算法的运动物体实时识别

文章提出了一种应用遗传算法对一个已知几何模型的运动目标物体的位置与方向进行识别的方法,这种对运动目标的识别可以用于机器人手臂实时视觉伺服控制中。文章以一个三角形的物体为目标,对所提出的方法进行了仿真试验,结果证实了这种识别方法的有效性。     

电站锅炉空气预热器热点监测系统的设计

介绍电站锅炉空气预热器热点监测系统的硬件组成及软件设计方案。该系统首次将信息融合技术应用于热点的实时监测，与早期同类系统相比，该系统的可靠性大大提高。     

基于最小二乘支持向量机的电站锅炉空预器热点检测系统研究

回转式空气预热器是火力发电机组重要的换热设备。燃料的不完全燃烧以及低负荷或停炉后空预器内气体流速低造成散热条件变差等原因会引起空预器的再燃烧事故。论文利用最小二乘支持向量机这种新的机器学习工具，分别用两种核函数建立针对三对不同火情的判别模型，超平面参数通过交叉检验的方式确定。实验结果表明，支持向量机具有很好的分类和泛化能力。从两种核函数的ROC曲线可看出对于本问题选用RBF核函数相对于多项式核函数有更高的判别准确率。     

基于洗牌算法的大数据抽样有效性分析

基于折叠技术的洗牌算法具有较好的数据置乱效果,可以满足大数据抽样的前提条件.为证明置乱后的数据集在经过抽样后内部规则不被破坏,通过数据挖掘的方法对抽样前后的数据进行关联规则分析.对比所得关联规则的支持度、置信度,以及事务出现的频率,发现经过折叠洗牌算法置乱后的数据在抽样前后所得到的关联规则变化相对稳定,并通过与现有算法的时间效率以及抽样总体误差作对比,进一步在理论上得出大数据抽样具有有效性,即可以通过抽样样本来推测数据整体情况.     

基于模糊sigmoid核的支持向量机回归建模

支持向量机中对核函数的要求为对称的半正定矩阵.来自于神经网络的sigm o id核函数在其参数满足一定条件时才成为半正定矩阵,但是这种核函数在SVM中却有很多成功的应用.本文将sigm o id核函数与模糊逻辑相结合并使其模糊化,从而简化了SVM的计算并便于用硬件实现.通过对混沌时间序列预测以及图像去噪滤波器两个实例的实验研究发现,使用模糊sigm o id核函数可以使SVM回归建模在损失较小精度的代价下,较大地降低平均CPU执行时间,便于硬件实现