葡京娱乐场-富盈娱乐场开户_百家乐试玩_sz全讯网网址xb112 (中国)·官方网站

發明公開了一種基于關聯分析與關聯分類的蛋白質二級結構預測技術，以雙庫協同機制為基礎，將KDD*過程模型引入蛋白質二級結構預測問題中，KAAPRO方法以數據挖掘(知識發現)為主體，采用基于KDD*過程模型Maradbcm算法以及關聯規則分類D-CBA方法。KAAPRO方法所取得關聯規則在一定程度上揭示了氨基酸物化屬性對蛋白質二級結構的影響關系，從而提高了預測的精度。其中Maradbcm算法挖掘意外規則的特性對純度較高的α蛋白質庫與β蛋白質庫進行關聯規則的挖掘，由此獲得的挖掘結果是精化的規則。D-CBA關聯分類方法使用可信度與支持度的測度作為一個復合型度量來進行蛋白質關聯分類。在保證預測精度的同時，為生物學家對二級結構進一步分析提供了依據。

本發明提出一種隨機噪聲環境下基于對偶模態方程的動響應分析方法，包括如下步驟：（１）將聲固耦合系統中的結構和聲腔劃分成不同的子系統；（２）計算結構子系統和聲腔子系統的模態；（３）計算相鄰子系統中模態間的耦合參數；（４）建立耦合系統的對偶模態方程；（５）通過前置處理，獲得隨機載荷作用下，子系統模態上受到的廣義力載荷的互功率譜；（６）計算對偶模態方程，獲得所有模態的參與因子的互功率譜；（７）通過模態疊加，計算系統隨機聲固耦合響應。本發明提供的隨機動響應分析方法，是一種基于對偶模態方程的隨機噪聲環境下動響應分析方法，該方法把系統劃分成連續耦合的子系統，并用有限頻帶內的子系統模態描述系統的隨機振動，該方法的分析效率高于傳統有限元法。

近年來已經建立了基于故障字典，模糊理論，專家系統，神經網絡，支持向量機，信息融合，小波分析，粒子群等各種技術的不同故障診斷方法，并在模擬電路的實際檢驗中取得了良好的效果。然而，電路從正常到故障之間存在中間過渡狀態，怎樣定義這個中間狀態以及其對電路有怎樣的影響，如何準確描述這種影響，通過查閱文獻，到目前為止還沒有一種合理的方法能夠解決這個問題。

本發明公開了一種基于形態分量分析的外輻射源雷達風場雜波抑制方法，利用雷達接收回波中目標 信號與風場雜波具有不同的形態特性，且都可在相應的變換域進行稀疏表示，從而可利用形態分量分析 的方法對信號進行分離；本發明的方法使風場雜波得到較好抑制，同時具有穩定性好、計算簡便等優點， 提高了外輻射源雷達目標檢測性能。 

圍繞未來能源需求特性辨識、場站/設備智能監測、能效優化管理3項核心內容，開展研究并提出以下3個核心創新點，創新點一為基于數據驅動的需求側用能行為特性辨識及容量價值評估方法，有效解決了需求側用能行為特性分析難度大、精確度差、有效性低的問題，為能源電力系統容量規劃和優化投資提供了科學依據；創新點二為基于數據挖掘計算的多元設備狀態監測與需求側能效優化技術，解決了需求側用能設備運行狀態監測能力差、管控水平低的問題，實現提質增效；創新點三為基于數據高效融合計算的場站環境監測及虛擬現實交互技術，有效解決了各種環境參數大量冗余導致的監測結果誤差大的問題。 平臺可應用于包括智能設備制造與銷售、能源設備在線監測、能源設備全壽命周期管理、能源站點智慧運行維護、用能負荷預測、能質能效分析與應用等。

本發明公開了一種基于服役年齡和負荷水平的變壓器可靠性分 析方法，包括如下步驟：(1)確定變壓器負荷等級；(2)確定變壓器在初 始狀態下的負荷值；(3)獲取變壓器的熱點溫度；(4)根據變壓器的熱點 溫度獲取變壓器的絕緣壽命； (5)獲取變壓器的故障概率累計分布函數； (6)獲取變壓器在初始狀態下的平均故障率指標以及故障狀態下的平均 故障率指標；(7)獲取連鎖故障啟動概率指標 Pic 和連鎖故障脆弱環節 指示量 Pvc；通過對 Pic 與 Pvc 率排序，識別出系統中處于臨界狀態的變壓器；本發明提供的可

本發明公開了一種基于阻尼轉矩分析的電力系統低頻振蕩源在 線定位方法。該方法首先通過在線測量裝置獲取系統發生低頻振蕩時 電磁轉矩、功角、角速度信號的動態響應數據，對發電機組的電磁轉 矩信號以及其相對慣量中心的角速度、功角信號進行模式分解，提取 發電機所在支路的主導振蕩模式，采用最小二乘擬合方法計算發電機 所在支路的主導振蕩模式的阻尼轉矩系數，接著根據阻尼轉矩系數判 定發電機是否為該振蕩模式的振蕩源。本發明提供的定位監測方法能 夠準確定位電力系統低頻振蕩發生源，通過振蕩源對其自身的控制能 夠有效地平息系

翟繼先課題組此次發布的數據庫（Arabidopsis RNA-seq database, ARS）整合了來自GEO、SRA、ENA和DDBJ數據庫的20,068個擬南芥RNA-seq數據，提供了“Google-style”在線查詢工具。該研究對所有文庫進行了基因表達水平定量和共表達網絡分析，并將所有文庫進行分類，總共涉及1176個突變體、1102種處理條件、12個組織和176個發育時期，同時也對突變體和處理條件分別同對應的對照組進行差異表達分析。

成果描述：通信網絡關鍵節點可視化分析系統提供了Degree、 Betweenness centrality、Closeness centrality、 Eigenvector centrality、 HITS和PageRank等中心性計算算法。 不同的算法適用于不同的場合。Degree算法表示節點的直接影響力強弱。 節點的Degree中心性值越高，該節點的直接影響力越大。 Betweenness centrality算法研究節點之間的通信程度和節點對信息的控制， 使用該算法可以準確找到網絡中某些“流量”非常大的重要節點；本算法可用于設計網絡的通信協議、 優化網絡部署和檢測網絡瓶頸等。Closeness centrality研究信息傳播的獨立性和有效性； 本算法反映了節點在網絡中居于中心的程度；本算法可用于考察一個節點不依靠其它節點來傳播信息的程度。Eigenvector centrality基于特征向量的方法不僅考慮節點鄰居數量還考慮了其質量對節點重要性的影響， 這是從網絡中節點的地位和名望角度考慮，適用于網頁排序。HITS是一種重要的網頁重要性排序算法，主要適用于網絡信息檢索領域。 PageRank是網頁排序領域中最著名的算法；該算法基于網頁的鏈接結構給網頁排序；它認為萬維網中一個頁面的重要性取決于指向它的其它頁面的數量和質量；本算法適用于網頁排序。 在本系統中可以方便、輕松和快捷的使用以上算法；輸入數據，選擇中心性算法，系統會快速展現算法分析結果；結果中越重要的節點在畫面展示中直徑越大， 直徑越小的節點表示節點的重要性越低；在系統右側欄目中節點以重要性程度降序排序，前五個節點名字用紅色突出標記。 以上展示方式是為了讓分析人員方便分 析數據。市場前景分析：發掘網絡中重要性節點 （邊）一直是圖論領域 的一個基本問題。隨著 近年來復雜網絡研究熱 潮的興起，特別是很多 實際網絡所抽象出來的 復雜網絡，表現出了與 以往圖理論不同的特性， 如小世界特性、無尺度 特性等。如何在復雜網 絡環境下，發掘重要性 節點已經成為復雜網絡 研究的一個基本問題， 同時網絡中節點的重要 性進行評估具有重要的 實用價值。尤其對各種 各樣具體的網絡，更可 以有針對性地分析其性 質，制定正確的策略和 措施。與同類成果相比的優勢分析：本系統提供了更多的中 心性算法，分析人員可 以在本系統上從多角度 分析數據，從而得出更 為準確的分析結果； 本系統提供了數據可視 化的展示方式，并且將 重要的節點突出展示； 本系統提供了不同算法 的對比分析表，方便分 析人員對比分析； 本系統提供重要節點的 進一步分析思路，提供 節點的詳細分析頁面。

面對疫情，北京航空航天大學機械工程及自動化學院先進數控和智能制造團隊劉強教授、肖文磊副教授等一批教師和研究生自發組成“大數據建模分析工作群”，開始收集疫情數據，交流和討論建模方法。劉強、肖文磊又與工作群中的孫鵬鵬、王柳權、臧辰鑫、朱三穎、高連生等人，組成了“2019-nCoV疫情建模分析應急響應研究小組”核心攻關組，全力以赴開展本次疫情建模仿真和預測分析研究工作。疫情建模分析應急響應小組的研究工作是在2003年郇極教授提出的“一種基于自動控制理論的SARS傳染預測模型”的基礎之上，結合此次新冠疫情原發地高度集中、恰逢春節期間人口流動的特點，采用控制論原理和大數據分析方法建立功能更全面的2019-nCoV動態感染過程模型。劉強教授團隊對北京、上海、重慶、溫州、長沙、鄭州、成都、杭州、深圳等40余個城市的疫情數據發展趨勢進行了動態仿真分析。基于分析結果，應急響應小組直接向上級部門提交疫情關鍵數據預測報告2份，直接向中國疾控中心提供預測分析數據及報告2份，向上級提出北京延期恢復正常上班的緊急建議1份，為高層疫情防控決策提供了及時有效的技術數據支持。