聚丙烯腈质量指标软测量模型的数据动态校核

针对聚丙烯腈连续生产中聚合反应过程与时间存在的分布函数关系,将质量指标软测量模型的输入数据按照聚合时间进行加权处理,对质量指标软测量模型的输出值－估计结果进行滑动平衡。现场生产运行结果表明,经过动态校核的输入输出数据,软测量精度大大提高,估计结果稳定,为其他聚合反应测量模型的数据动态校核提供了一种有效的方法。     

基于混沌最小二乘支持向量机的软测量建模

提出一种改进算法,用来解决现有最小二乘支持向量机方法在处理大规模样本软测量建模问题时出现的模型结构复杂、失去支持向量稀疏性且正规化参数和核参数难以确定等问题。对样本集进行预处理,通过计算样本间欧氏距离进行样本相似程度分析,去除样本集中1/3的样本以简化支持向量机模型结构并提高计算速度。定义了一种混沌映射构成混沌系统并分析了其遍历性。应用改进的混沌优化算法优化最小二乘支持向量机模型参数以提高模型的拟合精度和泛化能力。将改进算法用于丙烯腈收率软测量建模中,仿真实验结果表明：模型精度较高,泛化性能好,满足现场测量要求。     

一种基于带监督局部保持投影的多模型软测量建模方法

针对化工生产过程中软测量模型估计精度的问题,提出了一种基于多知识库挖掘理论的带监督的局部保持投影（SLPP）方法。该方法用SLPP算法对输入数据空间进行类与类之间的降维,得到不同的类别转换矩阵和不同的类别多知识库,最后融合支持向量机自适应地实现组合建模。仿真结果表明：该建模方法用于双酚A含量的软测量建模中,较传统多模型方法可以更加合理地加权得到子模型,提高了模型估计精度,具有更强的泛化能力。     

原油冶炼中主精馏塔装置的渐近辨识及分析

原油冶炼过程的精馏塔装置属于典型的强耦合多变量化工对象,对其进行控制需要准确、合理的数学模型,辨识模型的精确程度与控制效果和经济效益直接相关。出于安全和效率考虑,对原油精馏过程的测试需要在闭环条件下进行,渐近辨识方法在测试过程中能够同时改变多路操作变量并根据频域方法给出模型。本文基于渐近辨识理论,采用先升阶再降阶的解决方案,根据ARMAX模型描述精馏塔装置,取得符合要求的辨识模型。由于新观测数据能够降低过程建模中的不确定性,以输出误差为指标考察了新的测量数据对改善辨识模型精度的影响,分析测试数据信息量与有效估计之间的联系,量化分析新观测数据的引入对降低模型参数不确定性的影响。     

神经网络多模型软测量技术及应用

基于多模型思想，采用模糊聚类的方法对软测量数据进行了分类，对每类数据基于神经网络(NN)建模，采用RBF神经网络构造了每个数据样本的隶属度，将各模型输出的数据进行隶属度加权求和得到最终的软测量输出，并对某催化重整生产装置催化剂再生器氧含量进行了建模研究，获得了满意的结果。     

基于核函数主元分析的软测量建模方法及应用

提出了基于核函数主元分析(PCA)方法提取变量的特征信息以有效处理非线性数据，并在此基础上进行软测量建模的方法。利用该方法建立了工业萘初馏塔酚油含萘量软测量模型，工业应用结果表明了该方法的有效性和优越性。     

一种基于高斯过程的非线性PLS建模方法

提出了一种基于高斯过程(GP)和偏最小二乘法(PLS)的非线性PLS方法(GP-PLS),以更加有效地处理过程非线性、多输入和数据共线性等复杂特性,提高模型的推广能力和精度。该方法首先采用PLS进行特征提取,再用GP建立PLS的内部模型,因而具有GP与PLS的优点。对工业丙烯腈生产过程丙烯腈收率软测量建模的应用表明,采用该方法建立的软测量模型在模型精度、推广能力等方面明显优于一些传统软测量建模方法,满足工业现场应用要求。     

基于改进狼群算法的甲醇合成塔转化率机理建模及参数估计

以某甲醇合成塔为研究对象,通过深入分析甲醇合成过程的反应机理,建立了甲醇转化率软测量机理模型。为了提高模型参数的估计精度,提出了一种改进的狼群算法,引入了历史次优的概念与禁忌搜索机制。仿真实验结果表明,改进算法的全局搜索能力明显优于基本算法。以某甲醇合成过程的实际运行数据为样本,运用改进的狼群算法对甲醇转化率机理模型进行参数估计,与基本狼群算法相比,获得的参数精度更高,能更准确地预测合成塔出口处的甲醇转化率。     

连续催化重整反应器结焦含量软测量

对连续催化重整反应器结焦含量软测量问题进行了研究。首先从工艺机理分析出发,找出了影响结焦含量的主要参数,初步确定软测量建模辅助变量,并采用BP算法进行神经网络,建立结焦含量软测量模型。然后采用PLS－BP算法重新认识,得到新的结焦含量软测量模型,以改进模型结构。最后对模型校正后在现场使用,结果表明测量结果令人满意。     

一种基于LDA和FCM的BPA多模型软测量方法

模糊C-均值聚类(FCM)算法是数据预处理中常用的一种方法,但用这种方法进行数据聚类,各类别边界信息间往往存在干扰,模型精度不能得到很好改善。本文采用一种改进的线性判别分析(LDA)方法,用于扩大样本类别间的距离,使聚类更为精确。将FCM算法与改进的LDA算法结合提取样本特征,然后通过多模型融入到SVM算法中。通过对双酚A软测量建模的仿真研究表明该方法具有较好的效果。     

基于慢特征重构与改进DPLS的软测量建模

针对过程数据中存在的噪声干扰及动态特性,提出了一种基于慢特征重构与改进DPLS的软测量建模方法。该方法首先利用慢特征分析提取变化缓慢的成分,并用于重构原始输入,同时提出一种重构相似性指标来评价重构效果,实现用尽可能少的成分刻画数据的原有趋势,减少噪声干扰;然后梳理改进DPLS方法的完整流程,并用于分析重构输入与原输出间的关系,获得的模型更符合数据间的动态关系。本方法的有效性在TE过程及脱丁烷塔过程的软测量模型中得到了验证。     

用样本工作站批量提取全血中DNA方法的建立

目的 建立一种用斯达尔样本工作站提取全血中DNA的方法,并评价DNA的纯度和产量.方法 使用斯达尔样本工作站提取全血DNA;DNA的纯度和含量用紫外分光光度法测定,并与手工提取方法进行比较.结果 斯达尔样本工作站与手工提取的DNA相比,在纯度与得率方面无差异,但更快速、简单.结论 本方法可以快速、高效地从大批量全血中提取较高质量的DNA,所得DNA适用于HLA的分型实验.     

基于广义动态模糊神经网络的聚乙烯分子量分布软测量

分子量分布（MWD）是聚合物的重要质量指标,但由于实时检测的困难,MWD的预测成为聚合过程先进控制和优化面临的重要挑战。为解决聚乙烯分子量分布预测的实时性和精度问题,本文结合过程信息和反应机理建立了分子量分布预测的混合模型。首先通过机理分析,在假设不同催化剂活性位个数的情况下拟合MWD,通过误差分析获得合理的催化剂个数及分布函数参数,同时操作条件与分布函数参数之间的关系通过广义动态模糊神经网络（GDFNN）描述。在GDFNN中,利用K-means初始化其网络结构,训练过程中,充分利用历史数据和新息决定是否增加新规则,减少冗余规则的频繁生成,并通过分级学习机制,前期提高全局学习率,后期提高局部学习率。最后通过实际工业数据的仿真实验证明了该混合模型的有效性。     

自动化精子分析仪SQA-V与传统手工法精子计数的比较研究

目的:评估自动化精子质量分析仪SQA-V与传统手工法精子计数之间各主要参数的差异性及其在不育和生育男性精子质量分析中的应用. 方法:用SQA-V系统和手工法对 15例生育志愿者和53例临床不育患者新鲜精液标本以及乳胶质控珠进行检测,分别将精子密度进行相关性分析及准确度评价. 结果:不育组和生育组男性各项指标间存在显著差异,两种分析检测方法精子密度(rc=0.870,P<0.01)具有很好的一致性. 结论:与传统手工法精子计数比较,SQA重复性更好,主要参数具有较好的一致性,能够反映临床不同组群患者精液的差异性.     

一种基于潜变量的Ranking模型构造算法

现有的Ranking算法获得的模型全部来自训练数据,因为很多模型的有用信息并不能完全从训练数据中得到,因此这样得到的模型不够精确,对此,提出一种基于潜变量的Ranking算法。该算法以结构化SVM为学习工具,将除训练数据外的其他有用信息以潜变量形式引入算法的框架中,并在此基础上定义了面向NDCG的目标函数。针对该目标函数非凸非平滑,首先使用“凹凸过程”进行逼近,然后用“近似 Bundle法”展开优化计算。基准数据集上的实验结果表明：相比完全依靠训练数据的Ranking算法,本文算法获得的模型更为精确。     

一种基于BP网络的CT图像肝实质分割算法

提出一种基于BP网络分割CT图像序列中肝实质的方法。首先选取训练样本，提取样本图像中肝脏的纹理特征，作为输入向量，以对训练样本手工分割的结果作为导师信号，对BP神经网络进行训练，再用训练好的网络对CT图像序列中的肝实质进行分割，最后对分割后的结果进行三维区域生长及孔洞填充处理。实验结果表明：该方法能够有效的对肝脏纹理特征明显的CT图像序列进行分割，可用于CT图像序列的自动分割。     

A Pulse Rate Estimation Algorithm Using PPG and Smartphone Camera

The ubiquitous use and advancement in built-in smartphone sensors and the development in big data processing have been beneficial in several fields including healthcare. Among the basic vitals monitoring, pulse rate monitoring is the most important healthcare necessity. A multimedia video stream data acquired by built-in smartphone camera can be used to estimate it. In this paper, an algorithm that uses only smartphone camera as a sensor to estimate pulse rate using PhotoPlethysmograph (PPG) signals is proposed. The results obtained by the proposed algorithm are compared with the actual pulse rate and the maximum error found is 3 beats per minute. The standard deviation in percentage error and percentage accuracy is found to be 0.68 % whereas the average percentage error and percentage accuracy is found to be 1.98 % and 98.02 % respectively.     

疗效预测方法在针刺治疗抑郁症研究中的应用探讨

目的探讨应用神经网络方法进行针刺治疗抑郁症的疗效预测。方法使用量表工具,应用神经网络方法进行疗效预测。选择与抑郁症针刺治疗效果密切相关的因素以及体现中医学整体思想的疾病状态、生活质量等指标作为神经网络的输入变量,将其量化数据赋予网络的输入层,将经治疗后量表的评定结果作为输出变量值。收集病例形成神经网络的训练和测试样本,进行网络的训练和测试,评估网络性能,讨论其临床应用性。结果网络训练误差达到预期目标(均方误差mse=0.0010),对HAMD减分率和SDS减分率的预测拟合度较好,且拟合精度较高;表明网络测试的拟合程度比训练结果的拟合程度差,网络模型对测试样本的预测误差大于对已知样本的预测误差。结论网络模型具有较好的学习能力,而对未知样本的识别能力不及对已知样本的识别能力。通过增加样本量、改进网络模型等途径,有望为临床提供可靠性良好的预测方法。