函数联接神经网络在电力系统短期在线负荷预报中的应用

提出了 2个新的用于实时在线短期负荷预报的函数联接神经网络 (FLN)模型 .2个模型都把负荷与气象参数结合起来构成非线性ARMA过程 ,并应用FLN的函数逼近能力获得了 2个模型的参数 .测试与在线操作表明2个模型的预测效果是令人满意的 ,2 4h向前负荷预报的平均绝对百分误差 (MAPE)对HFLN来说几乎都在 3%以下 ,而对DFLN来说几乎都在 5%以下 .     

函数联接神经网络的实验研究

函数联接神经网络具有结构简单 ,易于实现 ,扩展性和通用性强等许多优点 .利用面向对象方法实现了函数联接神经网络的几种模型 ,探讨了该网络的变结构调整问题 ,并通过实际的例子对网络的不同模型进行了实验研究 ,提出了一个新的学习因子动态调整算法     

De1phi多线程在分布式实时多任务系统中的应用

讨论了Delphi多线程的若干问题,对Delphi多线程的使用方法作了论述,同时对Delphi多线程在分布式实时多任务系统开发中的应用作了阐述. 最后对一个具体的基于Delphi多线程的分布式实时多任务系统的结构和功能进行了描述.     

手持式测碘仪

研制了一种动态线性范围宽、灵敏度高、结构简单、耗电量低的手持式测碘仪。开发了测碘专用试剂包 ,建立了现场取样测定食盐中碘含量的方法。测定碘的线性范围是 0～ 3mg/L ,每个样品的测定时间为 3min ,测定碘盐时定量精度为± 4%～± 6 % ;测定碘化水药品、水和污水时精度为± 0 2 %～± 2 %。手持式测碘仪可用于食盐、药品、废水等样品中碘的现场测定。     

基于动态规划方法的激励学习遗忘算法

一个激励学习Agent通过学习一个从状态到动作映射的最优策略来解决策问题。激励学习方法是Agent利用试验与环境交互以改进自身的行为。Markov决策过程(MDP)模型是解决激励学习问题的通用方法,而动态规划方法是Agent在具有Markov环境下与策略相关的值函数学习算法。但由于Agent在学习的过程中,需要记忆全部的值函数,这个记忆容量随着状态空间的增加会变得非常巨大。文章提出了一种基于动态规划方法的激励学习遗忘算法,这个算法是通过将记忆心理学中有关遗忘的基本原理引入到值函数的激励学习中,导出了一类用动态规划方法解决激励学习问题的比较好的方法,即Forget-DP算法。     

DART-MS在中国的应用研究现状

敞开式离子化质谱（ambient ionization mass spectrometry, AIMS）技术因其具有实时、原位分析等特点，已成为质谱学领域的一个研究热点。实时直接质谱分析（direct analysis in real-time mass spectrometry, DART-MS）作为一种典型的直接质谱分析技术，可在开放环境中实现样品的快速分析，具有性能稳定、操作简单、分析快速等优点，自2005年被报道以来，便引起了广泛的关注。本文从DART电离源的工作原理以及近2年DART-MS在环境分析、食品药品安全、生物医学分析以及公共安全等领域的应用研究进行了评述，并对其发展方向进行了展望。     

药物溶出度检查方法与仪器的新进展

评述了国内外药物溶出度检查方法与仪器的发展现状,指出了溶出度检查中可能存在的干扰及其消除措施,对药物溶出度检查的发展趋势作了展望.     

装橡胶油管简易工具

液压设备的橡胶油管与接头的连接,采用带有特殊螺纹的螺母,把橡胶油管和接头紧固。为连按牢固,故橡胶管外径尺寸大于螺母的螺纹公称直径,并且橡胶油管内设有多层编织的钢丝。所以,在更换新橡胶油管时比较困难。我们制作了结构简单的引导工具,可使橡胶油管方便地与接头螺母连接好。简易工具由对开螺母1、外套2和两对对开衬套3等组成。使     

药物溶出度检查方法与仪器的新进展

评述了国内外药物溶出度检查方法与仪器的发展现状，指出了溶出度检查中可能存在的干扰及其清除措施，对药物溶出度检查的发展趋势作了展望。     

基于液晶取向改变的化学传感机理及应用的研究进展

介绍了基于液晶取向改变的检测方法的机理，并对其应用进行综述，并指出经过进一步研究有望将其开发成一种全新的、用日光等自然光做光源、目视检测、无需电源、可在国防、环保、食品、医药、公共安全和生命科学等领域中进行高灵敏度，高分辨率、现场快速检测的微型传感器。