考虑职业倦怠的护士夜班指派问题

护士排班问题旨在满足一系列如法律法规、患者需求等约束条件的前提下,制定出在特定时间段内最优的护士值班表。职业倦怠是指服务于助人行业的人们因工作时间过长、工作量过大、工作强度过高所经历的一种疲惫不堪的状态。护士经常经历疾病和死亡,不可避免地加班和上夜班,所以较容易产生职业倦怠。主要研究考虑职业倦怠的护士排班问题。前期研究表明夜班对护士的职业倦怠有较显著的影响,应用马尔科夫决策过程建立了考虑职业倦怠的护士夜班指派模型。该模型在考虑患者需求的前提下在特定时间段内为一组不同倦怠水平的护士指派夜班。利用夜班指派模型输出的最佳指派方案进行了仿真,并与几种常用的不考虑倦怠因素的指派方案进行了比较分析,最后对最优指派策略进行了敏感度分析,验证了考虑职业倦怠的护士夜班指派模型的实用价值与意义。     

稠油底水油藏生产压差值对采收率的影响

研究生产压差对稠油底水油藏采收率的影响。结果表明:波及系数随着生产压差的增大而增大,最终趋于稳定;驱油效率随着生产压差的增大而减小,最终趋于稳定;采收率随着生产压差增大开始有小幅上升,但是增加到一定程度后,采收率开始小幅下降;生产压差对生产时间影响较大,生产时间随生产压差的增大以指数方式下降;稠油底水油藏采收率和生产时间,生产压差与其之间存在最大合理生产压差;针对海上油田开发高风险、高投入的特点,适当放大生产压差高速开采稠油底水油藏的开发方式是可行的。     

水驱油田理论含水上升率预测新方法及其应用

含水上升率是水驱油田开发效果评价和指标预侧的关键参数。文中基于甲、乙、丙、丁4种水驱特征曲线,推导出了含水上升率与含水率的理论关系式,并结合相渗曲线关系式,确定了含水上升率表达式的系数。在渤海C日油田的实际应用结果表明：基于甲型水驱特征曲线的理论含水上升率在含水率为50%处达到最大值,特征曲线关于该点对称;基于乙、丙型水驱特征曲线的理论含水上升率曲线,随含水率升高始终呈下降态势;基于丁型水驱特征曲线的理论含水上升率曲线,以中高含水期为转折点,呈先升后降的变化态势。通过将理论曲线与C日油田实际数据进行对比,得出油田适用的水驱特征曲线为丙型水驱特征曲线。由此可见,可以利用含水上升规律进行水驱特征曲线的判别选取。     

相对渗透率曲线标准化方法评价研究

通常实验室会提供若干条各不相同的相对渗透率曲线,然后进行平均相对渗透率曲线的标准化处理,得到具有代表性的相对渗透率曲线。然而几乎没有学者将各方法的标准化结果与实际油田开采特征及油水运动规律相结合来评价这些方法的合理性。基于此,文中结合油田实际生产动态,从含水上升规律、驱油效率及采收率等3方面对各方法的标准化结果进行分析研究。结果表明,多条曲线平均标准化方法确定的油水相对渗透率曲线更符合实际油藏渗流特征。     

自动化系统的集成技术在现代化企业中的应用

在介绍自动化系统集成目的和优势的基础上．结合发电厂自动化系统现状．介绍了吉林北方彩晶先导工程自动化系统集成的结构、功能以及实现过程,给现代化企业提供一种将分散的、不同功能的系统集成到中央控制室的方法,提高了全厂自动化监控的手段。     

结构化支持向量机研究综述

结构化支持向量机（Structural Support Vector Machine,SSVM）是支持向量机（Support Vector Machine,SVM）的变体算法,被广泛应用于多个领域。阐述了SSVM的发展过程,详细分析了SSVM各种具体实现算法的思想及表现上的优劣;并通过实验的对比讨论,发现了SSVM的各种具体实现算法在分类性能和分类效率上优于其他SVM算法,而在稳定性上则逊于后者;基于此,给出了SSVM的后续研究方向。     

生物合成己二酸的代谢工程研究进展

己二酸是一种重要的大宗化学品,主要用于合成尼龙和聚氨酯泡沫塑料,市场需求巨大,其高效生物合成至今还未实现。本文概括了酿酒酵母中构建和优化新的己二酸合成途径研究进展。首先,通过体内及体外活性测试,对催化每一步反应的酶进行筛选,构建初步的代谢途径。利用组学分析诊断和定位生物合成途径的瓶颈。对于途径中的限速酶采用蛋白质工程手段进行改造。其次,利用合成生物学和代谢工程手段优化代谢途径。优化手段具体包括:通过模块化优化,平衡各个基因之间的表达;利用蛋白支架,构建酶反应的流水线,减少中间产物的扩散,提高反应效率;通过RNA干扰技术抑制竞争代谢途径的流量,提高目标代谢途径的通量。最后,利用CRISPR/Cas9及全局转录机器工程(gTME)等最新技术进行基因组编辑、重排转录网络,最终获得己二酸的高产菌株及适用于高效生产其他芳香族化合物的底盘酵母菌株。     

基于Stacking集成学习的急诊患者到达预测

急诊患者到达预测是医生排班的基础,是解决急诊拥堵的关键。现有预测多为单一预测算法,针对每天、每月进行,缺乏更短时间预测。构建基于堆叠法(Stacking)集成学习模型的预测方法,分别以小时、天、周为时间单位,对患者到达进行预测,探究不同时间单位的预测效果。在随机森林(RF)、梯度提升决策树(GBDT)、极端梯度提升树(XGB)、Light GBM(LGB)、支持向量回归(SVR)、K近邻学习(KNN)中选择预测效果较佳的方法作为Stacking集成的初级学习器,以线性回归作为次级学习器,进行集成预测。在上海某三甲综合医院的急诊数据集上,考虑气温、降雨、空气质量、节假日等变量预测,试验表明多项指标上,Stacking集成方法优于单模型。预测时间长度越长,预测效果越好。     

基于仿真的急诊患者调度研究

在急诊系统日益拥挤和分级就诊制度推行的大背景下,研究不同的患者调度策略对急诊系统的运行的影响,为医院决策者提供决策指导.利用Anylogic软件,构建了上海市某三甲医院急诊部门仿真模型,使用包括FCFS、EDT、WEDT、WEDTL、PF在内的多种队列优先规则,并提出了通过二次分配医疗资源,即为紧急患者设置绿色通道...     

医疗卫生机构公益公平性与收益性的平衡度评价及实证研究

从公益公平性与收益性两个维度构建医疗卫生机构平衡度评价体系。通过文献分析、专家访谈方法确定影响公益公平性与收益性的主要因素,然后采用问卷调查、层次分析法、模糊分析法设计两个子维度的平衡度评价体系,构建了医疗卫生机构公益公平性与收益性平衡度的评价体系。在此基础上,对本市五所医院2009年至2013年数据进行实证研究,结果发现五所医院公益公平性与收益性平衡度总体呈下降趋势,即医院向着收益性倾斜。该指标体系为评价医疗卫生机构的对公益公平性与收益效率性的兼顾程度提供方法,为政府制定补贴与社保政策提供理论依据。