排序方式: 共有49条查询结果,搜索用时 0 毫秒
31.
目的: 研究口服奈必洛尔在中国健康志愿者中的单次及连续多次给药药动学特征。方法: 16名健康受试者采用随机、开放、2×2交叉试验设计,单次给药剂量为5、10 mg;多次给药为每天 5 mg,连续 7 d。给药后于不同时间点采集肘静脉血,采用LC-MS/MS法测定奈必洛尔血药浓度,药动学参数采用WinNonlin软件计算。结果: 单次口服 5 mg盐酸奈必洛尔片后奈必洛尔的主要药动学参数:t1/2为(11.1±5.6)h;AUClast为(9.3±7.7) μg•h•L-1;AUCinf为(8.2±7.2) μg•h•L-1;Cmax为(1.3±0.7)μg/L;CL/F为(1.9±1.5)L/h;MRT为(12.3±5.5)h。单次口服 10 mg盐酸奈必洛尔片后奈必洛尔的主要药动学参数:t1/2为(11.1±5.7)h;AUClast为(20.0±17.3) μg•h•L-1;AUCinf为(18.3±16.2) μg•h•L-1;Cmax为(2.4±1.2)μg/L;CL/F为(2.0±1.7) L/h;MRT为(13.4±6.9) h。多次给药主要药动学参数:t1/2为(8.3±3.2) h;AUClast为(15.7±12.8) μg•h•L-1;AUCinf为(14.7±12.7) μg•h•L-1;Cmax为(2.4±1.2) μg/L;CL/F为(0.6±0.3) L/h;MRT为(9.3±3.4) h。单次给药的AUC值显著低于多次给药。结论:奈必洛尔体内药动学在 5 mg 和10 mg剂量范围内呈现出比例化剂量反应关系的趋势。按每天5 mg 给药 7 d,奈必洛尔血药浓度可达稳态,体内呈现明显的蓄积趋势。 相似文献
32.
33.
锂电池健康状态(state of health,SOH)和剩余使用寿命(remaining useful life,RUL)的准确估计对保证电池的安全稳定运行至关重要,然而两者都难以被直接测量。该文提出一种基于高斯过程回归(gaussian process regression,GPR)的SOH和RUL联合估计方法。该方法从充电曲线中提取健康特征(health factor,HF),并通过主成分分析(principle component analysis,PCA)进行降维处理得到间接健康特征(indirect health factor,IHF),然后利用GPR建立电池老化模型进行SOH估计。在此基础上,采用最小二乘支持向量机(least squares support vector machine,LS-SVM)对IHF随循环次数增加的变化趋势进行预测,将其结果与所建立的电池老化模型结合,实现RUL估计。2组不同温度下的电池数据被用来验证算法的准确性和适应性,实验结果表明所提出的算法具有较高的精度和可靠性。 相似文献
34.
随着锂离子电池应用领域的愈加广泛,实时、准确的评估其健康状态(state of health,SOH)成为确保电池安全可靠运行的重要要求。该文提出一种基于注意力机制解码器模型的锂离子电池SOH估算方法,该算法结合与GRU的特点,将数据编码成一组包含内在特征的序列,并由注意力帮助解码器完成最终的解算。该算法无需建立电池模型,也不需要过多的先验知识,仅通过单个采样周期的电压、电流采样值即可获得较高精度的SOH估计值。为适应更多应用场景,该文设计定长片段放电数据、定长片段充电数据及变长片段充电数据等3种输入模式,验证实验中,3种估算模式的平均绝对误差均小于1%,表明该估算方法具有估算周期短、估算精度高及适应性强等特性。 相似文献
35.
为了应对大规模光伏并网给电网调度带来的挑战,提出了一种模糊C均值样本加权卷积神经网络(fuzzy c-meansweighted samples-convolutional neural network, FCM-WS-CNN)模型对日前分钟级光伏出力进行预测。首先采用距离相关系数和主成分分析法在原始气象数据中提取综合气象因子,再利用综合气象因子和历史功率数据的5个统计指标作为聚类特征,使用模糊C均值聚类将历史数据分为不同天气类型,基于隶属度矩阵对训练样本进行加权。最后利用加权后的训练数据构造FCM-WS-CNN模型。在实验分析中将上述方法与CNN模型和FCM-CNN模型相比较,结果表明所提出的方法具有更高的精度和鲁棒性,验证了所提模型的有效性。 相似文献
36.
37.
光伏发电功率的智能预测算法 总被引:1,自引:0,他引:1
光伏发电系统的出力具有强烈的波动性,为了减轻其对电网的冲击,有必要进行光伏出力预测。提出了一种基于灰色关联度分析(gray relational analysis, GRA)和最小二乘支持向量机( least square support vector machine , LSSVM)方法对光伏出力进行预测,该方法是传统直接预测和间接预测方法的结合,分析了辐照度、天气类型等对光伏输出功率的影响。通过GRA选择训练样本,使样本更全面地反映预测日的天气属性;然后运用LSSVM提前24 h预测输出功率,利用天津市太阳能光电建筑示范项目的实测数据对该预测模型进行了测试与评估,算例结果表明,所提出的GRA-LSSVM的预测方法具有较高的预测精度。 相似文献
38.
针对锂离子电池在电流状态突然变化时产生的松弛现象和滞回现象,在分析了电池等效电路模型的基础上,引入线性滤波器和滞回模块,建立了电池的自校正模型。通过恒流脉冲实验和动态应力工况测试验证自校正模型在对电池电压特性跟随的可靠性,并在该模型的基础上使用有限差分扩展卡尔曼滤波FDEKF(finite difference extended Kalman filter)算法实现了电池的荷电状态SOC(state of charge)估计。实验分析表明,自校正模型能较好地体现电池的动态特性,并使SOC估计保持很好的精度。 相似文献
39.
40.
程泽 《水科学与工程技术》2019,(5)
以新疆乌鲁木齐河灌区为例,通过试验对比对滴灌技术参数进行了设计,确定了最优滴头流量1.0L/h,沙壤土的最佳滴头间距为30cm以下,毛管最优参数为横向布置管径16mm。此试验设计采用的方法和手段为类似工程提供技术参考,也能为节水灌溉发展提供思路。 相似文献