铁皮石斛抗肿瘤活性成分的探究

为了探究铁皮石斛中的抗肿瘤活性成分,本研究采用乙酸乙酯、95%乙醇、水三种不同极性的溶剂依次对铁皮石斛茎的干燥粉末进行了提取,初步得到了三种提取物;初提取物在MTT细胞增殖检测结果的指引下,结合硅胶柱层析、TLC薄层分析和凝胶柱层析进行分离纯化,最终筛选出具有强抗肿瘤活性的组分。结果显示乙酸乙酯提取物经分离纯化后得到了最强抗肿瘤活性成分,其对肝癌细胞HepG-2、胃癌细胞SGC-7901和乳腺癌细胞MCF-7的增殖都有明显的抑制效果,半抑制浓度IC50依次为:0.45μg/mL、0.36μg/mL、0.34μg/mL,经波谱学数据鉴定,该化合物为金钗石斛菲醌。金钗石斛菲醌首次分离自金钗石斛,其抗肿瘤功效已经得到证实,并引起了广泛的关注,本研究成果对以铁皮石斛为原料的药品和保健食品的开发具有重要的指导意义。     

基于动态聚类算法径向基函数网络的配电网线损计算

提出了基于径向基函数网络的计算配电网线损的实用方法。对有代表性的配电线路的线损与特征参数的样本数据，采用一种新的动态聚类算法进行聚类，来确定RBF网络的隐含层节点，不仅聚类速度快，而且隐含层节点数的优化提高了网络的利用效率。利用RBF网络强的拟合特性映射线损与特征参数之间复杂的非线性关系，使网络学习了配电线路在结构参数和运行参数变化时线损的趋势规律。以68条配电线路数据为例，仿真结果验证了文中提出的方法具有网络模型简单、学习速度快、线损计算精度高等优点。     

城市绿岛

正~~     

基于硬C均值聚类算法和支持向量机的电力系统短期负荷预测

提出了一种联合使用硬C均值(hard C-mean,HCM) 聚类算法和支持向量机(support vector machine,SVM)的电力系统短期负荷预测方法。与目前采用单一SVM的负荷预测方法相比,考虑了电力负荷变化的周期性特征,依据输入样本的相似度选取训练样本,即通过对学习样本的聚类选用同类特征数据作为预测输入,保证了数据特征的一致性,强化了历史数据规律。实际应用证明了该方法的有效性,该方法不仅提高了负荷预测精度,还缩短了预测执行时间。     

利用数据挖掘的绝缘油色谱分析故障建模初探

利用DataCruncher数据挖掘工具对变压器油色谱分析结果进行数据挖掘处理和故障模型建立 ,给出了油中溶解气体体积分数及其组合参数与变压器故障是否存在之间的关联关系。所建模型预测故障的结果证明与三比值法吻合 ,并能预测无三比值编码的故障 ,故障预测准确率较高