该项目研究了呋喃西林残留标示物氨基脲单克隆抗体及制备技术，杂交瘤细胞SEM/4G6，CCTCC，CCTCC NO:C201150。 其步骤： A、将半抗原CPSEM与牛血清白蛋白偶联得到免疫原； B、将半抗原CPSEM与卵清蛋白偶联得到包被原； C、利用步骤A的免疫原制备得到保藏号为CCTCC NO:C201150杂交瘤细胞株SEM/4G6所分泌的单克隆抗体； D用步骤B的包被原包被固相载体； E、将待测样品用酸处理，加入苯甲醛超声衍生后，用乙酸乙酯萃取，取乙酸乙酯层氮气吹干、正己烷净化和样品稀释液重新溶解得到待测物； F、对待测物进行酶联免疫检测。 试剂盒在动物可食性组织中呋喃西林残留检测中的应用。方法简便、快速、灵敏、准确，可用于开发能检测动物可食性组织中氨基脲残留的酶联免疫试剂盒。 该项目属于兽药残留分析和免疫学技术领域，具体涉及一种能检测呋喃西林残留标示物氨基脲（SEM）的单克隆抗体，同时还涉及一种能检测呋喃西林残留标示物氨基脲（SEM）的单克隆抗体的制备技术，还涉及一种能检测呋喃西林残留标示物氨基脲（SEM）的单克隆抗体的用途。 成果完成时间：2014年

本项目包括三大核心技术：1、强制冷凝 VOCs 废气处理设备，创造性地将强制换热技术改造后应用于 VOCs 强制冷凝处理工艺中，针对高浓度有机废气，回收经冷凝的 VOCs 物质，同时回收废气中的温度生产热水。设备内表面均采用实验室自行研发的特殊拒油涂层处理，以防止有机物质对冷凝器的污染，提高冷凝装置稳定运行效率并降低设备维护成本。  2、开发的光催化氧化剂和附着技术克服纳米光催化剂易团聚、易流失的弊端，开发出新型快速的光催化剂负载技术，能够大大推进光催化剂在废水、废气中的实际应用，负载材料廉价易得，加工方便，寿命长，具有巨大的比表面积，能够在吸附VOCs物质的同时，直接发生光催化反应，将VOCs物质完全矿化。 3、开发的高效苯吸收液及分层技术采用特殊吸收液配方制备能够分层的高效苯吸收液，能够有效地吸收废气中的苯、甲苯、二甲苯等有毒有害物质，净化VOCs废气。吸收的VOCs物质能够静置分层，从而能够更快速地富集，方便下一步的回收分离，吸收液可以重复使用。 三大技术可以互相结合为工艺组合，在高浓度有机废气的净化与有价值物质的回收、油烟净化、企业VOCs治理等方面具有广阔地应用前景。已成功解决了河北省三家企业的VOCs处理与排放问题。 项目特色：自2005年企业进行VOCs产生全过程分析，积累了大量第一手资料， 2013年于宏兵承担了环保部大气污染治理应急项目VOCs污染控制欲核算方法研究项目，对工业企业VOCs排放特征、排放量核算技术方法和VOCs处理技术绩效进行评估，建立了天津的VOCs污染控制体系。在VOCs污染前端预防、后端治理技术研究中积累了丰富的经验。南开大学清洁生产研究中心以南开大学科研平台为依托，自身拥有XRD、同步热重分析仪、便携式气相色谱仪、液相色谱仪等大中型仪器共计25台，价值合计300余万元，拥有非常雄厚的技术力量支撑科研工作。 市场应用前景：VOCs治理工况复杂、技术路线众多也决定了这一行业的 发展特点：市场分散，需求多样化，企业要想把规模做大很困难。正因为市场分散，VOCs治理行业要垄断也不容易，市场完全开放，各家企业凭借自身的技术、策略来获得竞争优势，这个市场在未来几年将以30%的速度增长。VOCs 污染治理正在起步，有望撬动近700亿产值。目前，国内VOCs 污染平均治理成本约500-600万元，按每座工业园5家企业参与治理，省均150 个工业园区，全国20个省保守估算，市场空间将达到625~750亿元。未来，随国内VOCs 排放标准有望提高，VOCs治理投资有望进一步增加。投资估计：投资500万元， 经济和社会效益：利润率20-30%，经济效益显著，污染物减排效果显著。

成果描述：互联网文本内容主题 概念漂移检测系统， 通过分析数据集中的 所有文档数据的潜在 语义关系，提取出它 们之间的潜在语义主 题标示，通过评估参 数的方法，将生成的 主题时序关系用数据 的形式表示出来，并 以此为依据主动发现 待预测数据集中主题 的转变与转化现象， 并提供给用户这一主 题转移过程。市场前景分析：点。基于这些特点， 流数据的处理和分析 面临巨大的挑战，是 当前数据挖掘领域研 究的热点。 分类是数据挖掘领域 的重要课题，当前流 数据分类问题面临的 主要挑战之一就是概 念漂移问题，即数据 中学习的概念（从属 性到类别的映射）是 随时变化的。 通过对互联网中文本 内容的主题概念漂移 进行检测，对于正确 分类互联网文本等方 面具有重要的意义。与同类成果相比的优势分析：能够将生成的主题时 序关系用数据的形式 表示出来，方便用户 查看； 可以动态调整评估参 数，以实现对不同数 据集的自适应性分析； 可以将评估参数值与 发生概念漂移的主题 中心相关联，主动探 测出主题发生变化的 过程。

本系统在设计中使用了先进的网络处理器技术，包括高性能的IXP2400处理器和高速千兆以太网接入能力，提供了强大的网络处理能力和可靠的运行稳定性。本系统完成的基于网络处理器硬件平台根据不同的实际需求，可以广泛应用于各种网络通信系统和网络安全领域，边缘路由器，千兆硬件防火墙和入侵检测系统，具有广阔的市场前景。

随着电网数据规模越来越大，所蕴含的价值也越来越多。清华大学信研院研发了基于机器学习方法的能源互联网能量管理系统，主要功能为对电网的稳定性进行预测和可视化。系 统分为训练部分和预测部分。训练部分通过历史数据进行机器学习，建立一个电压稳定性的 分类器。分类器训练完成后，再对新增的未知数据进行预测。训练部分主要分为特征提取、 类别标记、特征压缩、分类器类型选择。预测部分主要分为分类器数据启动阶段和预测输出 阶段。本系统提出利用机器学习方法对电网电压稳定性进行预测，进一步综合多个节点给出 电网态势感知的评估结果。在训练每一个节点分类器的时候，本系统将特征选取的时段和预 测时间节点拉开，形成一种延时的预测方法，本发明对复杂系统有着更好的还原效果。2 应用说明本系统实施电压稳定性预测的具体步骤为:步骤 1:通过部署在关键测点的同步相角测量单元 PMU 采集电网实时数据，所述 实时数据包含电网中每个关键测点的电压 U、 有功 P、无功 Q、电流 I;分别计算 U 的衍 生量 dU/dt，Q 的衍生量 dQ/dt，电压的变化 量比上无功的变化量的衍生量 dU/dQ，用这 些衍生量作为特征，来表征量的时间变化速 率;步骤 2:对步骤 1 中提取的特征进行数 据降维与压缩;根据特定时刻电压 U 是否恢 复到标准值的 0.8 倍来区分每组样本组是否 稳定，用 0 标记稳定，用 1 标记不稳定;步骤 3:选择分类器，建立一个电压稳 定性的分类器;步骤 4:训练分类器;当分类器训练完 成后，将训练好的参数储存起来;步骤 5:进入预测部分的数据启动阶段， 填充特征矩阵，没有输出;步骤 6:把多个节点的特征按照顺序排列，形成特征矩阵;特征矩阵填充完成后， 根据分类器给出的预测结果;特征时段向前滑动，最初的特征被抛弃，新特征补充在队尾， 分类器持续给出预测结果;步骤 7:每隔一定时间间隔 ，要把新收集来的数据与以前的数据一起，重新回到步骤 4 训练分类器，更新参数。在具体系统搭建过程中，我们充分利用现有机器学习平台。其中 Hadoop 的文件管理系统 HDFS 负责数据存储;Spark 负责模型训练;Storm 负责在线预测;Kafka 负责在 Storm 和Hadoop 之间传递更新后的模型参数。

随着油田数字化的发展，物联网技术在油田企业的生产管理中应用越来越广泛。新技术的应用，提升运维人员技能培训迫在眉睫。油气生产物联网实训创新平台是针对石油企业的数字化油田运维人员和在校大学生物联网技术应用而建立的平台。 采用油田企业通用的PLC或DCS,构建采集控制系统；使用油田常用的通讯方式（4G、无线网桥、Zigbee/LoRa）进行仪表参数及数据的传输；配备计算机和SCADA系统，可以进行PLC或DCS的编程培训，实现在不同通讯方式下的数据传输；SCADA系统将现场中控室进行情景还原。平台培训由易到难，从最基本的传感器仪表接线及电路搭建、下位机编程、通讯方式的组建、上位机SCADA控制系统及管理平台的布置，能够实现仪表工、通讯人员、中控人员及高级技术人员等不同层级人员的培训。

本技术成果克服了现有技术的不足，提供了一种对未知 应用（包括恶意软件）进行自动发现、自动聚类、自动分析、自动识别的技术

互联网文本内容主题 概念漂移检测系统， 通过分析数据集中的 所有文档数据的潜在 语义关系，提取出它 们之间的潜在语义主 题标示，通过评估参 数的方法，将生成的 主题时序关系用数据 的形式表示出来，并 以此为依据主动发现 待预测数据集中主题 的转变与转化现象， 并提供给用户这一主 题转移过程。

产品详细介绍互联网+大数据智能书柜教学实训系统 一、 概述智能书柜是以智慧图书柜或微型智慧图书馆为载体，可以广泛的在校园、公司写字楼、商场、社区、公园等地方使用，比如放置在校园的各个角落，如教学楼每层走廊、每间教室、宿舍楼等地，无需专门的图书管理员，学生可以随时随地快速方便的进行图书借还操作，而且校园内的所有图书可以随意流通借还，是传统图书馆功能在使用空间和时间上的扩展，是实现阅读无处不在、阅读触手可及的基础平台。互联网+大数据智能书柜是以智能书柜为硬件平台，综合了互联网数据传输、云大数据处理功能，通过在图书上粘贴RFID标签，利用智能书柜里面的RIFD读写器和RFID天线对图书标签自动实时识别，实现图书批量自助借还、智能盘点、智慧拣选、图书防盗等一系列智能化的图书管理，结合云平台大数据分析挖掘，实现精准图书采购、个性化指导学生借书种类和阅读时间，构建阅读学习成长模型。互联网+大数据智能书柜基本组成部分如下：第一部分：感知层和控制层，包括RFID图书信息采集模块、RFID人员身份信息采集模块、二维码信息采集、摄像头信息采集和控制、电控锁控制模块等；第二部分：传输层，包括有线网络传输、无线网络传输，如WIFI、4G等；第三部分：应用层，主要是智能书柜应用软件功能；第四部分：云服务器大数据处理，主要是大数据挖掘分析功能。这四部分功能，结合配套的相关设备，使互联网+大数据智能书柜成为用RFID等物联网技术手段改变图书馆传统借阅、阅读环境的典型应用。互联网+大数据智能书柜教学实训系统是用于研究RFID等物联网技术实现典型应用的平台，完成RFID等物联网技术从技术到实现典型应用相关的教学和学习13965501553