本发明公开了一种基于多元数据增强超图神经网络的抗癌药物协同预测方法，涉及生物医学数据挖掘领域，该方法包括将包含全部的药物‑药物‑细胞系三元组数据集分为第一集合和第二集合，然后执行训练阶段和测试阶段；所述训练阶段用于基于第一集合得到分子图的药物结构数据，以及细胞系的基因表达数据，进行嵌入的学习并完成对协同效应预测器的训练；所述测试阶段用于基于第二集合得到分子图的药物结构数据，以及细胞系的基因表达数据，进行嵌入的学习以获得节点嵌入，并根据获得节点嵌入和训练完成的协同效应预测器完成预测。本发明不仅可以帮助临床医学发现用于癌症治疗的新型协同药物组合，而且能够助力发现抗癌药物协同作用的潜在机制。

本发明涉及显示技术与人机交互交叉领域，提供基于多模态融合模型的平板显示视觉舒适度预测方法、系统，其中方法包括：步骤一、采集原始图像集，针对每一原始图像，运用生成对抗网络模型将输入的随机序列转换为增强素材，再将增强素材和原始图像按预设比例融合，获得若干新图像；步骤二、采集生理特征和物理特征，获得训练样本；步骤三、基于堆叠集成框架训练多模态融合模型；步骤四、输入测试数据，获得视觉舒适度预测结果。本发明旨在解决平板显示视觉舒适度预测领域高质量标注样本稀缺、单一模态分析耦合关系缺失、场景适配性差的问题。

1. 项目概述胶体筛具有化学稳定性好，能耐酸、碱和有机溶剂，机械强度大，抗生物污染能力强，分离效率高且使用寿命长等特点，在冶金工业、化学工业、生物医药工业以及食品和环保工业中可用于胶体分离、超细催化剂回收、超细粉体分离、有害离子去除以及除油、脱色等工艺过程，并具有极高的分离精度。同时由于分离过程为物理过程，不引入其它的化学助剂，因此不会形成难以处理的二次污染，对产品品质无不利影响。2. 技术优势与传统的物理分离方式，如沉降、板框过滤、离心分离等相比较，以胶体筛为核心的分离工艺具有工艺简洁、处理能力大、设备投资小、处理成本低等特点，同时适应面广、分离装置简单、操作简便、能耗低，并且具有很高的分离精度（纳米级以上）。● 应用前景： 另外，胶体筛装置也可用于制药、化工行业的催化反应系统，如对氨基苯酚、环已酮肟、仲丁醇等，有效进行超细催化剂分离或回收作业，还可用于生物反应系统代替二沉池对超细颗粒污泥进行截留和回收等。

本技术以廉价易得的丙烯醛、2-甲氧基丙烯为原料，在不使用氧化剂、卤代试剂的前提下，通过两步反应，实现了环己烯酮的高产率合成。 一、项目分类 关键核心技术突破 二、成果简介 环己烯酮又称2-环己烯-1-酮，是一种重要的有机化工中间体，主要用于化工制药。传统生产环己烯酮方法不仅品质低，环境污染大，而且步骤长、产物分离困难。规模化生产环己烯酮的技术已被淘汰，因此订单大量外移。本技术以2-甲氧基丙烯和丙烯醛为原料，在温和条件下实现了环己烯酮的创新合成。该方法所需原料廉价易得，条件温和，操作简单，产品质量好，目前已做过200升试验，可为后续工业化安全生产提供充足保障。 本技术以廉价易得的丙烯醛、2-甲氧基丙烯为原料，在不使用氧化剂、卤代试剂的前提下，通过两步反应，实现了环己烯酮的高产率合成。本技术具有原料廉价易得、产物分离简单、设备兼容性高、成本低、便于放大等特点，为环己烯酮类化合物的合成提供了技术与经济上均可行的绿色新方法。

丁二烯是产量最大的化工产品之一，其生产过程中需要耗费大量的能量和有机溶剂对成分复杂的C4烃类混合物进行蒸馏分离。利用多孔材料进行吸附分离是一种潜在的高效分离提纯方法，但分子较小、极性较大的丁二烯容易被吸附，在脱附过程中不但容易被残留的其它C4烃类污染，而且容易受热聚合。我们前期已经发现可以利用合理设计的超微孔亲水多孔材料对C2烃类实现反常的极性选择。针对丁二烯分子柔性显著小于其它链状C4烃类的特点，我们希望能进一步通过特殊的孔道形状控制这些柔性客体分子的构型，利用构型变化的能量差获得反常的吸附选择性和最优的C4烃类吸附分离顺序。形状尺寸合适的离散孔洞最有利于控制柔性客体分子的构型和并反转吸附选择性，而连续的孔道对客体分子的吸附扩散又是必须的。通过模拟计算,发现具有准离散孔洞的柔性多孔材料MAF-23在两种要求中取得平衡，实现了反常而且最优的C4烃类混合物吸附分离顺序。常温常压下将丁二烯、丁烯、异丁烯和丁烷混合物通过MAF-23填充的固定床吸附装置后，吸附最弱的丁二烯最先流出而且纯度很容易达到99.9%，同时可避免常规纯化方法中因加热而产生的丁二烯自聚问题。

产品详细介绍  无菌接种箱   一、接种箱的作用   接种箱的作用是在无菌的条件下，进行细菌，食用菌等菌种的接种。   二、接种箱的构造   本产品采用全钢结构，外表喷塑，台面为三聚氢氨板或理化板结构。前观察窗为70度的开启角度为方便操作，接种箱前为两个15公分的操作口，接种箱配有紫外线杀菌灯日光 灯和臭氧发生器。为方便散热和换气底部留有透气孔。   三、接种箱的使用   使用前先有百分之五的甲醛或百分之七十的酒精进行消毒，然后打开杀菌灯即紫外线杀菌管和 臭氧发生器进行60分钟的灭菌消毒。完成后再将照明开关打开，即可进行菌种的接种。 技术指标： 型         号   外形尺寸 操作区尺寸 电压 日光灯 紫外线 臭氧发生器 WJ—ZJX（单面） 1000×530×600 1000×490×580 220V 20W×1 20W×1 100-200mg/h WJ—ZJX (双面) 1000×900×600 1000×860×580 220V 20W×2 20W×2 100-200mg/h    

一种基于风电场数据预处理的风电功率组合预测方法，包括以下步骤：利用小波去噪原理对风电场的历史风速数据和历史功率数据进行处理，分别得到光滑的风速序列和功率序列；对风速序列和功率序列的特征指标分别进行频繁项集分析和关联规则挖掘，得到风速强关联规则和功率强关联规则，利用强关联规则找出与待修正的当前预报相似的历史预报；并利用历史相似预报对待修正的当前预报进行误差修正；利用统计方法对修正后的当前风速预报进行训练并建立预测模型；利用预测模型进行功率预测，并利用历史相似预报对预测后的功率进行二次预测，最后得到最终的组合预测结果。

本发明公开了一类蛋白质二级结构智能预测模型构造方法，利用多层递阶、逐步求精的结构模型集成。此模型CPM融合了原创型KAAPRO方法、新型同源性分析方法、改进型SVM方法等;CPM打破了传统的单一物化属性分析或单一结构序列分析的技术线路，而是采取了结构序列分析与物化属性分析相结合的优选线路，确保了模型整体的优化与预测精度的同时具有更好的普适性; CPM 采用高起点的alpha/beta库挖掘;并以领域知识与背景知识贯穿;CPM能够很好地对偏alpha/beta型蛋白质的二级结构进行预测，取得86%的最高精度(同类最高达81%)。

本发明属于风功率爬坡预测领域，涉及一种基于大风气象分类的风功率爬坡预测模型切换方法，按 以下步骤进行：首先根据指定地理范围内的历史大风波动天气提取出可以明显表征大风天气的特征量和 特征指数，并形成判别表达式。进而采用 Fisher 判别法中的判别准则计算出判定范围以及特征量和特征 指数的加权系数，得出判别结果，并通过统计检验进行验证分析。通过判别法进一步得出大风天气分类 结果，依据不同大风天气的时空尺度的特征，最后形成对不同统计预测模型之间的切换机制。本发明将 数值天气预报的结果进行爬坡天气判别研究，在风功率爬坡的综合预测方法上为不同的统计预测方法提 供了更准确的切换机制。