淮安信息职业技术学院是由江苏省人民政府主办、江苏省工业和信息化厅主管的全日制高等学校，是苏北地区唯一的信息类职业技术学院，肇建于1978年，前身为淮阴电子工业学校。2005年，在教育部组织的江苏省首轮高职高专人才培养工作水平评估中，被评定为“优秀”院校;2007年，被遴选为江苏省首批十所示范性高等职业院校建设单位之一;2011年，圆满通过教育部第二轮高职高专人才培养工作评估。学校毕业生就业层次高、就业质量好、发展后劲足，连续七次被评为“江苏省高校毕业生就业工作先进集体”，就业率一直保持在全省同类院校前列，毕业生就业竞争力跻身江苏省公办高职院校六强，毕业生就业工作在江苏乃至全国一直享有较高的美誉度。 学校占地1080亩，坐落在风景秀美、充满人文底蕴和现代气息，集教学、科研、培训、职业技能鉴定和社会服务于一体的淮安高教园区，校园规划科学，设计精致，环境优雅，景致宜人、交通便捷。设电子工程学院、机械工程学院、计算机与通信工程学院、自动化学院、商学院、汽车工程学院、建筑装饰与艺术设计学院、国际教育学院、基础部和社政部等教学单位，现有在校生11000余人，建筑面积30多万平方米，固定资产7.2亿多元，图书馆藏书76.9万册和中国知网读秀知识库等十余个大型专业数据库，教学科研仪器设备总值1.5亿元。 学校遵循“依托行业办学校，依托市场设专业，依托岗位定方案，依托基地训技能”的办学理念，紧扣电子信息产业链设置电子信息工程技术、机电一体化技术、通信技术等40个多专业及专业方向。其中，通信技术专业和应用电子技术专业为中央财政支持的重点专业，软件技术专业为国家技能型紧缺人才教学改革试点专业，通信技术专业、电子信息工程技术、电气自动化技术、模具设计与制造、电子商务、计算机系统维护、计算机网络技术、国际经济与贸易等19个为江苏省高水平专业(群)，建成国家精品课程2门、国家精品资源共享课程2门、省级精品课程11门，获国家教育教学成果奖二等奖1项，江苏省教育教学成果奖特等奖1项、一等奖4项、二等奖7项。 学校师资结构合理，素质优良。现有教职工600余人，其中专任教师400多名，专任教师中高级职称教师占30%、具有硕士以上学位64%;专业课教师中具有“双师”素质的教师占86%;现有省级优秀教学团队3个、省“青蓝工程”科技创新团队1个、省级教学名师2名、校级教学名师6名、“333工程培养对象”人选12名、省“六大人才高峰计划”资助人选5名、省“青蓝工程”中青年学术带头人培养对象3名、省“青蓝工程”优秀青年骨干教师培养对象21名。教师在全国信息化教学大赛中获一等奖2项，在全国微课大赛中获一等奖1项。学校荣获“江苏省教育人才工作先进单位”，并蝉联“江苏省师资队伍建设先进高校”。 学校坚持以服务为宗旨，以就业为导向，走产学研结合的道路，建有校内实验实训室184个、校外实训基地115个，其中国家级实训基地2个、省级实训基地3个、省级实验教学示范中心1个、各类职业技能鉴定站(所)31个，可开展74个工种技能鉴定。电工电子与自动化技术实训基地、计算机应用集成实训基地为中央财政支持的实训基地，“电子信息工程实训基地”、“电子精密模具制造实训基地”、“物联网应用技术实训基地”为江苏省财政支持的实训基地，“电子信息基础实验实训中心”为江苏省高等学校基础课实验教学示范性中心。 学校工学结合紧密，实训体系完备。2007年与富士康科技集团共同投资建成了当时全国规模最大的校内单体生产性实训基地;各主干专业结合自身特点分别与行业内的龙头企业建立了紧密型校外实训基地115个，是教育部、工信部等六部委确定的“国家技能型紧缺人才培养基地”、“全国电子信息产业高技能人才培养基地”。与联想、华为、富士康、夏普电子、三星电子、丰田(常熟)、中兴科技、臻鼎科技、中电熊猫、敏实集团、西子奥的斯、中国移动、中国联通等118家国内外知名企业签订了校企合作协议，与知名企业联合成立了联想学院、西子奥的斯学院、苏宁云商学院、臻鼎学院等4个联合学院和2个校企合作事业部，为契合特色小镇建设的人才需求，与昆山锦溪、吴江震泽政府联合成立了锦溪制造学院、震泽装备学院，与微软、江苏邮电、中兴集团等企业有着长期的订单式培养合作，设立了三星电子班、富誉自动化班、富准模具班、臻鼎学徒班、联想阳光服务班、高通通信班、西子奥的斯电梯班、联通3G班等30多个企业订单班及企业奖学金。建立了长期稳定的就业基地。 学校人才培养水平不断提升。坚持立德树人、德育为先，率先在全国推进人生导师制，学生综合素质不断提高。坚持以赛促教、以赛促学，学生职业技能显著增强，在2009至2018年连续十年在全国职业院校技能大赛中共获得团体一等奖22个，实现了“十连冠”，在江苏省乃至全国高职院校中均名列前茅。 学校科技工作领先，社会服务机制健全。目前已建成了“江苏省淮安教学具产业数字化公共技术服务平台”、“江苏省淮安设施农业智能化公共技术服务中心”等10个省级和9个市级技术开发应用与服务机构。近些年来，先后承担了纵向科研项目及相关横向课题600多项，科研经费到账4000多万元，获技术专利(技术发明)500多项，学校跻身“高等职业院校服务贡献50强“，获得江苏省科技进步三等奖1项、省哲学社会科学优秀成果二等奖1项、三等奖1项、省教育科学优秀成果二等奖1项、淮海科学技术奖二等奖1项、三等奖2项及其他各类省市级以上科研奖励600多项。 学校努力探索一条集质量、特色、品牌为一体的高职教育科学发展之路，以令人瞩目的办学实绩赢得了良好的社会赞誉，先后多次被国家部委和省委、省政府、省教育厅等部门授予“全国信息产业系统先进集体”“江苏省文明单位”“江苏省教学工作先进高校”“江苏省高校毕业生就业工作先进集体”“江苏省高校思想政治教育工作先进集体”“江苏省和谐校园”“江苏省平安校园建设示范高校”“江苏省职教先进单位”“江苏省科技工作先进高校”“江苏省职业院校技能大赛先进单位”“江苏省教育宣传工作先进单位”“江苏省学生资助工作单位典型”“江苏省科技富民突出贡献单位”和“江苏省园林单位”等荣誉称号。面向未来，学校将认真贯彻落实《国家中长期教育改革和发展规划纲要(2010-2020年)》、《国家中长期人才发展规划纲要(2010—2020 年)》精神，以加快发展为主题，以改革创新为动力，依托有朝阳产业美誉的电子信息产业，乘江苏率先全面建成小康社会之强劲东风，向国内一流、高水平特色化创新型高职名校的目标奋力迈进。

（一）技术目标 针对采油厂前期所建地面工程系统的资料，开展油田地面工程系统管理信息系统的研发工作，为实现采油厂主要生产油区的地面工程系统资料的在线查询提供详尽可靠的依据，为准确的决策提供支持。 （二）主要研究内容 根据采油厂提出的要求及各油田地面工程现状，进行系统数据库软件开发，满足各功能要求。 （1）站外各井站场（计量间、配水间，增压泵房）、油气集输系统、注水系统、电力系统

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.）致癌性预测服务器首页致癌性预测结果页相关综述对本服务器的介绍RF-hERG-Score预测药物引起的hERG相关心脏毒性2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。特异性重打分函数显著虚拟筛选性能显著较高筛选出两个候选抑制剂3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。lncRNA-蛋白质相互作用预测模型的性能比较lncRNA-蛋白质相互作用预测服务器相关软件著作权：

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。 成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.） 致癌性预测服务器首页 致癌性预测结果页 相关综述对本服务器的介绍 RF-hERG-Score预测药物引起的hERG相关心脏毒性 2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。 特异性重打分函数显著虚拟筛选性能显著较高 筛选出两个候选抑制剂 3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。 lncRNA-蛋白质相互作用预测模型的性能比较 lncRNA-蛋白质相互作用预测服务器相关软件著作权：

工程机械车辆用油缸有动臂、提升、铲斗油缸等，是各型装载机、推土机、挖掘机等工程机械车辆上的主要动作或承载部件之一。产品具有强度高，工作可靠，耐磨损，使用寿命长等特点。

由西安交通大学智能检测与仪器研究所开发的《太阳能与热泵联合集热计算机控制系统》样机在多处现场已经运行数年。几年来该系统运行效果良好。 该系统将太阳能与热泵联合起来由计算机进行控制，解决了其中的关键技术问题，该控制系统能根据环境温度、水温、水量等参数，自动对联合集热系统设置最佳控制参数，实现最佳控制。可以进行多路信号的数据采集，多路被控对象的控制输出。能对整个集热系统的热泵机组、太阳能集热器循环泵、进水电磁阀、用户供水泵、辅助电加热器等设备进行可靠的控制，从而使系统最大限度的利用太阳能，最大限度的节约电能。整个系统的运行费用仅为天然气热水的20%，为电加热的15%。

“球磨机寻优节能计算机集散控制系统”是西安交通大学的最新研制的科研成果，以保护和节能为两大目标，在总体方案上提出并实现了对发电厂球磨机的计算机集散控制，针对磨机的运行特点，提出自寻优――模糊控制相结合的控制算法，解决了长期以来球磨机不易控制的难点，同时为磨机料位的测量提供灵敏、准确、标准化的检测仪器。该系统总体性能处于国内领先水平。通过音频信号传感――变送

浮选技术是目前矿业中矿物分选主要采用的工艺方法。传统的浮选控制过程是通过各种测量仪器，分析测量矿物的品位、浮选回路中的pH值、药物浓度等参数，根据分析得出的数学模型来调整加药量，以使浮选过程处在最优状态下。但实际上，由于浮选过程十分复杂，影响浮选过程的因素非常多，所获得的数学模型并不能和实际很好吻合，因而控制过程一般并不能处在最优状态下。这是浮选控制过程的

针对大规模分布式计算系统例如云计算系统、数据中心等的运维需求，研发了针对大规模计算系统的预测性监控技术。并开发了一个可扩展的监控系统。该系统的特点为：1）基于语义事件表达监控信息，开发了复杂事件处理器，可以支持用户定义针对复杂模式的事件探测组件，从而使系统能够对自动探测复杂的状态变化；2）基于发布订阅模式的事件传输网络，使得监控系统可以规模扩展，因而适应了大规模计算系统的监控需求；3）开发了多种性能预测算法和异常探测算法，实现了对计算机和应用性能的长期预测。 本项目的成果已经应用到多个企业的系统监控上。项目的成果也发表在INFOCOM、IFIP Networking，IEEE Transaction on Parallel and Distributed Systems, Journal of Systems and Software, Software: Practice and Experience等著名会议和期刊上。项目成果已经申请了10项专利。