本发明公开了一种水电站负荷区间预测方法，充分利用历史负荷数据，通过计算待预测日已知时刻负荷序列与各历史日实际负荷序列的线形差异度获得待预测日的相似日集合，根据待预测日的相似日进行待预测日点预测，再通过对大量历史负荷预测误差样本进行分析，得出未来负荷可能取值的概率性区间结果。根据区间预测结果，水电站决策人员在进行生产计划、实时调度等工作时能够更好地认识到未来负荷可能存在的不确定性和面临的风险因素，从而及时作出更为合理的决策，并为水电站实时负荷分配提供依据。

1. 项目概述定量气密性检漏设备，用于有密封性要求的汽车零部件总成的在线定量检测，其测试灵敏度高（反映1毫米水柱高压力，近似万分之一大气压）和检测节拍快40-60秒/件。其压差法的检漏思想检测精度较高，系统响应快。基于压差法和微泄漏的特点，可将检测过程分三个阶段进行。⑴充填阶段：根据试验容积大小，设定一定的时间内，对测试容积进行充气。  ⑵平衡阶段:平衡阶段的作用是将检测气体在一定测试压力下的密封容积内进行热和动态的稳定处理。气体的平衡处理是必要的，因为检验气体在充填阶段是受压的，从而温度会升高，而非常小的温度变化都会在密封容积内引起气体的压力变化，从气体力学上讲，也就是等温过程。在测量压力变化时为了得到相对精确的测量结果，检验气体的平衡处理尤为重要。平衡阶段所需的时间与试验容积、测试压力、以及工件的热性能有关。⑶测量阶段：测量是在设定的一定时间内，测量试验容积内的检验气体因微泄漏而造成的压力下降数值，通过换算判断压力降数值是否超出了允许的极限泄漏率。2. 技术优势测试灵敏度高（反映1毫米水柱高压力，近似万分之一大气压）和检测节拍快40-60秒/件。

该试剂盒提供了一种禽流感病毒 NA 亚型 RT-PCR 单重检测引物组，以及禽流感病毒NA 亚型 RT-PCR 多重检测引物组与禽流感病毒 NA 亚型 RT-PCR 多重检测试剂盒，其中禽流感病毒 NA 亚型 RT-PCR 多重检测引物组包括 3 组禽流感病毒 NA 亚型 RTPCR 检测引物组，每组禽流感病毒 NA 亚型 RT-PCR 检测引物组包括一对特异性引物对和一个荧光基团标记的探针。该试剂盒只需要同时进行 3 个体系的荧光定量 PCR，根据 CT 值就能直接判断出 NA 亚型，实验流程更加

工作的研究对象为无穷大固体表面以及在其上微纳尺度的悬臂。该研究发现，随着固体表面粗糙度增大，界面热阻呈指数化增大，同时测量获得的数据也更加弥散。单层石墨烯加入到固固界面之间能够有效降低界面热阻，同时测量的热阻弥散度也快速减小。结合计算模拟的结果，这里发现的奇特热阻的弥散现象（不确定性）可以解释为当悬臂和界面粗糙度的尺度可以比较时，每次悬臂与无穷大固体表面的接触面积将出现极大的差异。 单

数字人技术与大语言模型结合是当前人工智能技术领域的研究热点之一，将数字人技术和自然语言处理技术相结合，可以创造出更加智能化、真实感更强的数字人应用。科研团队经过研究实践，已取得具有前瞻性的知名汽车企业和三甲医院的合作意向。有望在不久的将来，为汽车、医疗等领域的企事业单位提供先进的技术支持。

针对充填采矿灾变预测与防治的关键问题开展研发，本成果主要技术内容如下：（1）系统研究了充填体破坏失稳声发射预测技术，开辟了用声发射预测充填破坏失稳的新途径；（2）开发了胶结充填过程控制成套技术，提出并成功实施不良地质体超前护帮充填技术等。本技术成熟可靠，适用于充填法开采的金属矿山，已经在江西等省的 9 家矿山推广应用，累计取得产生超过 3 亿元的经济效益和显著的社会效益，并荣获 2011 年江西省科技进步二等奖。 

在2020年抗击COVID-19疫情斗争中，北京航空航天大学经济管理学院王惠文教授及团队结合2003年所做非典疫情的状态评估和预测建模研究基础，密切关注在疫情防控中存在的问题。自1月23日起，通过各种渠道相继提交了20多个信息和提案，例如：加强对密切接触者实行隔离筛查、避免新冠肺炎疫情在医院内扩散、关注医务人员的轮岗休整、加强对全国各地区疫情监控与预警工作，等等。团队收集和分析了COVID-19的公报数据，采用统计分析方法对新冠肺炎疫情的传播规律进行了预测与分析，对全国（除湖北）各地区的抗疫阶段做出判断和预测，提出了疫情防控全过程的阶段划分方法，并提交了7篇研究报告。王惠文教授接受《中国经济时报》专访，发表文章《各地应分期分批有序恢复社会经济活动》，并被《今日头条》等网络媒体转载；民建市委网站头版刊登了她的文章《COVID-19疫情发展的状态评估与预测分析》，并报道了《数据会说话：王惠文：疫情发展的状态评估与预测研究》；民建中央网站也专题报道了《北京会员王惠文：用数据打赢疫情防控战》。

本发明公开了一种基于深度回声状态网络的目的地预测方法，属于轨迹目的地预测技术领域。

本技术提出了基于多尺度理论模拟结合深度机器学习的一整套解决方案，即利用先进多尺度模拟方法精准解析SEI原子结构，建立新一代SEI模型，阐明SEI结构和形成机制，完整构建SEI与电池性能之间的内在联系，定向设计符合不同商用条件的新型电解液配方，为开发新一代高能量密度电池提供可能。 一、项目分类 显著效益成果转化 二、技术分析 随着智能手机、笔记本电脑等消费电子产品的快速发展，锂离子电池（Lithium Ion Battery, 简写为LIB）已经成为最成功的电化学储能设备之一，并从根本上影响并改变了人们的日常生活方式。随着制造工艺的逐步成熟，LIB的能量密度已经接近其理论极限。另一方面，可移动电子设备的快速普及和汽车电动化的蓬勃发展也不断要求开发具有更高能量密度的充电电池以满足实际使用的需求，而最先进的LIB依然无法完全满足上述需求。因此，寻找更高能量比的锂电池电极材料，加快下一代新型锂电池关键技术的相关研究，已成为制约锂电池技术产业发展进步的关键问题。锂金属电池的能量密度虽足以达到下一代电动车的要求，但其自身的稳定性仍令人担忧，这主要是因为Li金属的反应活性过高，其几乎可与所有的电解液均能自发地发生化学反应。在电池的运行过程中，Li电极和电解液之间通过自发化学反应和电化学反应导致了固体电解质界面（solid electrolyte interphase，SEI）的形成。当所形成的SEI结构不均匀时会诱发电池体积膨胀，此外，充放电过程中锂的不均匀沉积会导致锂枝晶的形成，锂枝晶的不规则生长会刺穿SEI，导致SEI膜发生破裂，并产生死锂，降低锂金属电池库伦效率；更严重的是，锂枝晶的不断生长会刺穿隔膜，造成电池内部的短路，导致火灾和爆炸等安全事故，大大缩短了电池的使用寿命，严重阻碍了其大规模商业化发展。因此，SEI对LMB的性能具有至关重要的影响。良好且稳定的SEI可以阻止（或者大幅度减缓）负极界面上反应的持续发生，起到保护Li电极的作用。针对下一代高稳定性锂金属电池设计中存在的关键问题，结合国际研究进展与本团队前期研究基础，我们提出了基于多尺度理论模拟结合深度机器学习的一整套解决方案，即利用先进多尺度模拟方法精准解析SEI原子结构，建立新一代SEI模型，阐明SEI结构和形成机制，完整构建SEI与电池性能之间的内在联系，定向设计符合不同商用条件的新型电解液配方，为开发新一代高能量密度电池提供可能。本方案已形成完整的工作流，相关自动化软件已开发完成并交付使用，且具有完全的自主知识产权，可用于国内外上游电池生产研发企业积累原始电池性能数据，大范围筛选有效电解液组分，指导下一代高能量密度锂电池研制。 我们的技术优势与创新主要表现在： 1）首次在电池体系中实现了QM与MM的混合模拟与混合加速； 2）在电池体系模拟中实现了开放电子体系对电化学反应的热力学和动力学预测； 3）在保证精度的前提下，实现了在纳米尺度上对真实的实验SEI结构直接模拟； 4）通过耦合深度机器学习，实现了电解液组分大范围筛选与性能优化。

南方科技大学科研部、工学院、计算机科学与工程系（下简称“计算机系”）和南方科技大学-东京大学超智慧城市联合研究中心紧急组织科研力量，成立“新型冠状病毒传播建模预测项目组”，由计算机系副教授宋轩担任负责人，迅速启动针对新型冠状病毒传播感染的“大数据分析和AI建模推演平台”研发工作。该平台是一个针对新型冠状病毒传播的大数据分析和AI建模平台（如图1），