基于短波近红外光谱盐酸氟桂利嗪粉末药品质量比的估算方法

基于短波近红外(SW-NIR)漫反射光谱,提出一种非破坏定量预测盐酸氟桂利嗪粉末药品质量比的新方法.以高效液相色谱法(HPLC)分析值为参考值,将遗传算法(GA)和神经网络相结合,建立盐酸氟桂利嗪粉末药品的光谱特性与质量比间的定量分析模型.应用GA自动构建神经网络拓扑结构,选择最优的网络参数和光谱波段;讨论不同光谱预处理方法对神经网络预报能力的影响,并对测试集样品质量比进行预测.结果表明,一阶导数数据预处理方法为最优预处理建模方法,其测试集的均方根误差RMSE=0.198 7%,相关系数R=0.986 3.     

基于知识关联度的电力大数据协同过滤推荐算法

针对电力大数据推荐结果排名没有考虑电网领域知识关联度,推荐结果的准确度不高的问题,提出了引入知识项关联度的协同过滤推荐算法AR-Item CF.通过计算用户推荐列表得到最终推荐结果.结果表明,该算法能有效地解决推荐结果关联度较低的问题,显著地提高了推荐结果的质量和推荐效率.     

人工神经网络-近红外光谱法非破坏监控蛇床子SFE-CO2萃取物的质量

将人工神经网络与近红外漫反射光谱相结合, 对蛇床子超临界CO₂萃取物中的蛇床子素和欧前胡素同时进行快速、 非破坏的定量分析. 分别利用 萃取物的原始光谱和两种预处理光谱（一阶导数和标准归一化）建立了网络的数学校正模型, 并把所得结果进行了比较, 确定用一阶导数光谱所建立的模型为最佳网络模型.     

新型无机-有机杂化化合物(C10H8N2)[H3PMo12O40]·H2O的水热合成及结构表征

利用水热方法合成一种新奇的无机-有机杂化化合物(C10H8N2)[H3PM012O40]·H2O,采用元素分析、红外光谱、热重分析、紫外光谱和X射线单晶结构分析对其进行了表征.结果表明:该化合物属于单斜晶系,P2(1)/n空间群;晶胞参数a=1.149 78 nm,b=1.208 85 nm,c=1.728 49 nm,α=90°,β=103.143 0°,γ=90°,V=2.339 5 nm3,Z=2,R1=0.038 8,wR2=0.1117.     

基于Spark框架的电网运行异常数据辨识与修正方法

由于电网运行数据具有多源、异构、高维等典型大数据特征,使得传统检测方法已无法实现异常数据高效辨识;因此提出一种基于Spark框架的电网运行异常数据辨识与修正新方法。首先,提出了并行化最小生成树方法对待检测数据进行初始聚类;在此基础上结合并行K-means算法对数据进行二次聚类实现异常数据辨识;然后,在Spark框架下设计了基于径向基函数(RBF)神经网络的异常数据修正模型,实现对异常数据修正。最后,利用某省调度中心SCADA数据对方法的有效性进行了验证,结果表明所提方法能够有效处理电网运行异常数据,具有实际应用价值。     

近红外光谱法对土壤有机碳组成的无损分析

利用近红外光谱(NIR)结合化学计量学方法建立一种定量监测土壤有机碳组成的新方法.对109个土壤样品进行近红外光谱采集,按常规方法测定土壤样品中总有机碳(SOC)及土壤样品中胡敏酸(HA)和富里酸(FA)有机碳的含量,再应用径向基函数(RBF)人工神经网络建立土壤样品的近红外光谱和有机碳组成含量间的数学校正模型.所建模型通过遗传算法(GA)自动选择最佳光谱处理方法和最优网络拓扑结构,同时构建了全光谱数据神经网络和GA自动优化光谱波段的神经网络模型,讨论了敏感光谱的选取对模型预报性能的影响.采用多元散射校正(MSC)光谱处理后建立的RBF神经网络模型为最优,该模型的预测精度和稳定性较好,可发展为复杂土壤系统中定量分析土壤有机碳组成的新方法.     

基于流形排序的电网截面数据检索

随着电力系统信息化的发展,电网数据具有数量大、类型多、维度高的特点。针对在数据检索时多维度查询效率不高,检索结果无法多维度整体匹配的问题,提出一种基于流形排序的电网截面数据检索方法;该方法将电网截面数据描述成多维向量空间中的对应点,创建加权图模型。通过考虑数据的整体近似流形结构来获得检索结果,使之与源查询之间具有较高的相关性;使用置信传播分配排序分数,提高了检索结果的准确性,有效避免相关性度量对高维数据查询处理的不足。