发明公开了一种基于关联分析与关联分类的蛋白质二级结构预测技术，以双库协同机制为基础，将KDD*过程模型引入蛋白质二级结构预测问题中，KAAPRO方法以数据挖掘(知识发现)为主体，采用基于KDD*过程模型Maradbcm算法以及关联规则分类D-CBA方法。KAAPRO方法所取得关联规则在一定程度上揭示了氨基酸物化属性对蛋白质二级结构的影响关系，从而提高了预测的精度。其中Maradbcm算法挖掘意外规则的特性对纯度较高的α蛋白质库与β蛋白质库进行关联规则的挖掘，由此获得的挖掘结果是精化的规则。D-CBA关联分类方法使用可信度与支持度的测度作为一个复合型度量来进行蛋白质关联分类。在保证预测精度的同时，为生物学家对二级结构进一步分析提供了依据。

本发明公开了一种基于开关表的三相可控整流器模型预测控制 方法，包括如下步骤：(1)将电网电压矢量角度分为十二个扇区，对三 相可控整流器采用八个候选电压控制矢量；(2)依据三相可控整流器的 电网侧有功以及无功功率随电网电压矢量角度的变化规律，确定每个 扇区对应的候选电压控制矢量，生成开关表；(3)在当前时刻判定当前 的电网电压矢量角度所属扇区，从开关表中提取对应的候选电压控制 矢量；(4)依据提取的候选电压矢量预测下一时刻的电网侧有功以及无 功功率，从中选取最佳电压控制矢量。本发明将开关表和模型预测控

全球肆虐的新型冠状病毒肺炎对世界各国人民的生命健康造成了严重的损害，对国际经济产生巨大冲击。加深对突发新型传染性疾病的全面认识，分析新型冠状病毒肺炎的流行病学特征，预测新型冠状病毒肺炎的传播趋势成为了应对疫情最为迫切的需求。马婷团队基于深度数据挖掘，建立输入风险及传染病传播动力学模型，通过与深圳市疾控中心、深圳市三院、黑龙江省疾控中心、美国约翰霍普金斯公共卫生学院专家的密切合作，建立精准度更高、更为个性化的预测模型，第一时

裸眼3D医学影像设备结构互动系统采用裸眼3D技术，无需任何外部眼镜，借助内置眼动追踪技术，加上其手持式触控笔设备（其功能类似于笔），与自然手势和动作配合使用，即可实现医学影像设备结构三维立体效果，提供沉浸式互动学习体验。

本发明公开了一种直流电机的驱动?调速一体式约束预测控制方法，本发明将这种驱动?调速一体式的控制技术应用于直流电机，首先利用广义比例积分观测器技术在串级电路和转速的光电编码器采集的转速信息的基础上对系统的集总干扰进行估计，得到重构后的集总干扰信息，结合模型预测控制相关技术设计出针对直流电机的带输入约束的输出反馈控制器，在保证系统动态响应性能的基础上，因为不需要使用电流、电压以及转矩传感器，降低了系统的成本，提高了系统容错能力，同时可以明显地抑制参数摄动和负载转矩突变等因素引起的干扰，从而大大提高直流电机系统的输出转速的控制精度和干扰抑制能力。

利用合成gRNA-靶序列的高通量文库允许直接在细胞环境中便捷和高通量地收集gRNA活性数据，由此建立的计算模型来预测gRNA的活性比较可靠。

（一）成果背景 分布式光伏可在用户侧就近安装与消纳，减少因长距离输送带来的线路损耗问题，在新型电力系统建设中发挥着重要作用。2021年6月，国家能源局综合司发布了《关于报送整县（市、区）屋顶分布式光伏开发试点方案的通知》，用以推动分布式光伏高质量发展、支撑新型电力系统建设。在该政策的推进下，分布式光伏容量迅猛增长。截至2021年底，国内分布式光伏装机容量已达到107.5GW，约占光伏总装机容量的三分之一，且其增长速度已经超过了集中式光伏。 （二）痛点问题 对于配电网来说，光伏出力易受天气因素影响，具有极强的随机波动特性，大规模分布式光伏接入，一方面加剧了配电网负荷短时波动，影响电力实时平衡，制约负荷预测精度提升；另一方面，分布式光伏出力特性与负荷特性的不匹配造成其难以消纳，为有源配电网运行管理带来严峻挑战。 对于电力市场交易来说，随着新一轮电力体制改革的持续深入，分布式光伏所有者作为售电商参与市场竞争成为必然趋势。分布式光伏出力的不确定性与短时剧烈波动性，使得分布式光伏电站/售电商难以制定合理的市场交易策略与电力交易合同，面临严重的市场风险。 因此，亟需精准的分布式光伏功率预测，为有源配电网调度运行、分布式光伏消纳，分布式光伏参与电力市场等提供有力数据支撑。 （三）技术方案 1、基于变分模态分解与动态图卷积网络的分布式光伏功率预测 首先利用变分模态分解各分布式光伏复杂出力序列分解为相对简单、波动较小的不同频率子序列，以减小场站间关联关系的挖掘难度。然后，基于分布式光伏场站间时空关联性处于动态变化中的考虑，利用全连接神经网络将各节点特征映射到多维空间，而后利用时域卷积挖掘跨节点关联关系，由此以数据驱动方式挖掘各频率下各场站子序列关联性，有效实现子序列动态图结构的构建。最终，基于可用于非欧式空间结构数据建模的卷积神经网络，将其与动态图结构结合，建立考虑动态时空关联性的图卷积预测模型，针对不同频率下出力子序列分别预测，而后重构得到各场站功率进而获取配电网分布式光伏总功率。 2、基于深度联邦学习的分布式光伏发电功率预测 首先，基于长短期记忆神经网络构建时域自编码器模型，该模型编码器用于提取每个时间步输入的时域特征，而后利用解码器将该特征向量转换为输出序列进行未来时间步的预测，自编码能显著增强长短期记忆神经网络的时域建模能力。而后，利用注意力机制解决其在处理长输入时间序列时会导致解码器面临特征冗余问题，且使模型聚焦于对输出更关键的时域特征。由此，利用注意力自编码预测模型通过对时域特征的有效挖掘实现功率预测精度的进一步提升。 在此基础上，开发了用于分布式光伏功率预测的联邦学习框架，在该框架中，本地用户仅需将本地模型进行共享，无需数据的传输，而后由中央服务器进行模型的聚合以实现用户间信息共享。在各本地场站进行注意力自编码预测模型的训练；在中央服务器，基于联邦平均算法实现各本地预测模型的汇聚、全局模型的生成与下发。在保证数据隐私性的前提下取得与传统集中式机器学习训练近似的预测效果。 （四）竞争优势 1、有效表征广域分布式光伏集群间时空关联特征，实现分布式光伏功率预测精度提升。 当缺乏气象实测或预报数据时，考虑分布式光伏时空相关性可有效提升分布式光伏功率预测精度。现有研究多利用各光伏场站地理距离或者整体出力表征时空相关性。这种静态建模方式在分布式光伏出力模式长期稳定的情况下，可以取得较好的预测效果。然而，易受天气因素的影响，分布式光伏出力极易发生短时波动，因而各场站关联性处于动态变化过程。以恒定的场站间关联关系去考虑这种复杂的集群出力序列，显然无法反映天气影响下分布式光伏出力短时变化，难以实现功率预测精度的有效提升。 所提的基于变分模态分解与动态图卷积网络的分布式光伏功率预测方法，利用数据驱动方式实现挖掘各场站间关联特性的动态实时挖掘。在基础上，考虑到不同模态分量下各场站间关联关系的差异性，将各场站原始功率分解为了相对简单、波动较小的不同频率模态分量，减小关联关系的挖掘难度。 2、有效保证各分布式光伏数据隐私性，且能取得与传统集中式机器学习训练方式近似的预测效果 现有的数据驱动预测方法性能在很大程度上依赖于训练数据的数量，因此大多以一种集中的训练方式实现，即中央服务器汇聚来自各场站的运行数据而后进行模型的训练。然而，这种集中训练的方式会期限数据隐私，使用户信息暴露在公共环境而导致被外部攻击者进行数据分析、行为探测等。此外，在竞争激烈的电力市场中，分布式光伏场站所有者可能不愿共享数据。这些因素使传统模型训练方式难以实现。 所提的基于深度联邦学习的分布式光伏发电功率预测方法，利用注意力自编码模型在本地场站进行建模预测，实现对本地功率时域特征的有效挖掘；利用分散式训练的联邦学习框架，实现各场站预测模型信息共享，有效保证本地用户的数据隐私的同时取得不错的预测效果。 创新点 1、考虑了场站间关联关系的动态性。对于分布式光伏，虽然场站数量众多、分布广泛，但是其位置临近，由于云团运动等气象因素导致的相关性较强。所提方法以数据驱动方式根据网络当前的各场站输入功率进行关联关系的动态表征，实现功率预测精度的有效提升。 2、在保障各分布式光伏站点数据隐私应的前提现实现信息共享。利用自编码结构进一步提升LSTM的时间序列建模能力；利用注意力机制模型聚焦于对预测更关键的输入特征，以此实现时域特征的有效挖掘。在此基础上，利用联邦学习框架聚合各本地模型，实现各站点信息聚合，实现精度有效提升。 市场前景 随着新型电力系统建设目标的推进，分布式光伏装机容量呈爆发式增长。所研成果可应用于配电网负荷预测、用户可调度容量评估、激励型需求响应基线负荷估计等场景中，为高比例分布式光伏有源配电网的安全、经济、高效运行，维持电力平衡等工作提供重要参考。同时，随着分布式光伏逐步参与到电力市场，所研成果可为分布式光伏售电商制定最优的交易策略，签订合理的价格合同提供有力数据支撑。综上所述，所研成果市场前景广阔。

华北电力大学（保定）先进环境材料表征测试实验设备采购项目招标项目的潜在投标人应在招标通电子招投标交易平台获取招标文件，并于2022年06月15日10点00分（北京时间）前递交投标文件。

产品概述： 中医推拿实训教学系统：包含真实成人大小背部推拿模型与中医推拿实训教学系统，模型采用硅胶外皮，手感逼真，解剖标志明显，可多次重复进行推拿手法练习。背部模型内置精密压力传感装置，实时与电脑进行互联通信，结合最新的计算机三维技术，通过虚拟仿真技术，将推拿学的手法、力度、频率参数等进行呈现，并可进行穴位学习，加深穴位认知，还可通过考试考核检验学习成果，方便对比教学。 一、实训功能 *1.1、推拿力度：通过平滑模糊的热力色块展示推拿区域推拿力度的大小；柱形图实时体现推拿练习的力度值大小，可与标准值对比学习。 1.2、标准频率：动态实时波形图反馈推拿标准频率、力度等内容，方便对比。 *1.3、操作频率：动态实时波形图实时反馈推拿力度的变化，同时数据显示单位时间内推拿的次数。 *1.4、实时视频：可以通过自带摄像设备实时录制影像，方便学生查漏补缺，及时纠正错误。 *1.5、实时实训：在仿真背部模型上进行推拿练习，获取推拿的部位、力度、区域边界，同时软件上3D虚拟人体同步显示此次推拿手法的各项数据。 1.6、手法展示：推拿操作时可在虚拟仿真软件里面实时反馈。 1.7、推拿部位：在仿真模型背部施力或力度变化时，虚拟仿真软件的三维部位实时反馈。 *1.8、区域边界：对按摩区域的认知，通过实时实训检测对比区域边界。 1.9、推拿手法：包含多种推拿手法的视频教学，可调节视频倍速与音量。 *1.10、范例录制：教师端自定义范例并储存，学生端以此作为练习和考核标准。 1.11、实训考核：推拿手法配合仿真背部模型进行推拿实训考核。 二、软件功能 *2.1、推拿手法：包含①基本手法：一指禅推法、一指禅偏锋推法、㨰法、揉法、摩法、推法、按法、点法、拿法、拨法、抖法、屈伸法、背法、擦法、抹法、指压法、捏法、搓法、拍法、击法、弹法、振法、摇法、拔伸法、扳法（脊柱扳法）、其他扳法等视频教学；②复式和特殊手法：拿揉法、牵抖法、推摩法、扫散法、捏脊法、踩蹻法等视频教学；每种手法都详细注解了该手法的定义、术式、要领、应用、按语等内容； *2.2、穴位认知包含十四经络和经外奇穴及其所属穴位≥800个（包含双侧），点击穴位可直观了解穴位所在位置。针对每条经络及穴位的点位、解剖位置、主治病症、异常情况均有详细释义，并可以利用三维虚拟数字人体交互操作使用。 2.3、经络循行：通过三维动效形式展示，可直观了解人体经络循行。 *2.4、可对数字模型进行放大，缩小，平移，一键初始状态，一键返回主页面，一键从前、后、左、右、上、下六视图切换等多种操作。 2.5、系统设有多种背景颜色适配多种场景。 2.6、语音功能：针对详细注解内容，进行对应的语音讲解。 2.7、透明功能：可一键透明皮肤，肌肉，骨骼，也可以调节不同层级的透明度，利于学习针灸腧穴对应的内部解剖结构。 *2.8、身体层级：可对皮肤、肌肉、骨骼、脏器、血管、神经等解剖系统进行隐藏和显示。 2.9、文字介绍：点击任意腧穴都可以显示其名称，介绍等信息。 2.10、即触即显：任意点击某个腧穴，系统立即显示其名称及对应结构注释。 2.11、骨度分寸：以《灵枢·骨度》里的人体各部的分寸为基础，用于腧穴定位的方法。根据当前学习的穴位，一键获得根据骨度折量定位法得出的位置信息，更方便腧穴认知。 2.12、对称穴位：不仅可以学习单侧的经络穴位，更方便进行对侧穴位的认知学习。 2.13、截图：可对系统界面进行截图保存。 *2.14、常见的危险穴位具有特殊标记，详细信息包含针刺异常情况表现及情况处理。 三、考试管理功能参数 *3.1、教师端功能 试卷管理：可以调用内置试题库，编辑试题组成试卷。 学生管理：学生信息的导入和编辑管理。 考试结果：实时查看考核结果。 智能分析：通过对考试结果的分析，方便教师掌握学生实际状况。 *3.2、学生端 考试模式设置：可以实时接收试题库，实时进行考试。 实时提交：实时显示考核结果并记录进个人中心，方便查看。 实时视频：通过自带摄像设备进行推拿实训视频实时录制。 3.3、个人中心 个人考试记录：可以查看推拿练习记录、考核记录详情，也可删除相关记录，方便进行针对性的练习。 记录详情：可以查看操作记录回放及各项具体操作数值变化。 个人注册登录：登录个人账号查看个人相关信息。 个人设置：可以针对性的进行个性化设置。 四、智能化教学管理系统 1、可将教师机的屏幕信息实时分享到学生机上，此过程中，学生机无法进行其他操作。 2、可将某一学生机的屏幕信息分享到其他学生机或教师机上。 3、教师机可给学生机分发文件、图像和视频。 4、教师机可单独给某个学生机发送文本消息。 5、教师机可远程控制学生机界面。 6、教师机可截取任意学生机屏幕界面。 7、教师机可锁定学生机操作。 8、教师机可对学生机进行远程的开关机。 9、教师机可远程打开学生机的网站和启动程序。 五、配置清单 1、多功能一体台车：符合人体工程学设计的一体台车。 2、电脑一键开机，启动带有灯光提示，可旋转屏幕支架。 3、电脑配置：intel i5处理器、 8G 内存、 SSD高速固态硬盘、独立显卡支持高清输出、24寸高清显示器。 4、人体高仿真硅胶背部模型一个，硅胶材质，手感真实，可触及脊椎等骨性标志。 5、仿真背部设备随电脑主机的供电情况而开启与关闭。 六、中医推拿实训仿真系统V1.0 一套

  在该研究的训练组和验证组人群中，CRC诊断模型和预后预测模型均表现出了令人满意的效果。在训练组和验证组的人群中，该诊断模型准确率均达到96%，并且在验证组中该模型诊断敏感性达87.9%，特异性达89.6%，相对于目前临床常用的结直肠癌血清标志物癌胚抗原CEA的准确率为67%，诊断准确度大幅度提高。在对患者预后预测的准确性方面，根据ctDNA甲基化标志物预后预测模型计算得到联合预后评分指数（cp-score）对患者的预后预测的准确性要明显高于临床常用的预后指标，如肿瘤原发部位、TMN分期、CEA等。而将cp-score与这些常规预后指标结合以后，对患者预后预测的准确性还能够得到进一步的提高，在训练组患者中对预后预测的准确性达到82%，在验证组患者中对预后预测的准确性达到87%。对预后的准确预测，可很好的指导医生对不同的患者进行更为个体化的精准治疗，例如对预后不佳者避免给予过度的治疗，而对复发高危患者则给予更为积极的辅助治疗等。 研究团队还在前瞻性队列中验证了单个ctDNA甲基化标志物在结直肠癌筛查中的价值。通过对1493例结直肠癌高危人群同时进行的肠镜筛查和血浆ctDNA甲基化检测结果进行比较，显示ctDNA甲基化标志物可检测出26例早期肠癌患者，26例进展期腺瘤（癌前病变），对肿瘤的检出敏感性达89.7%，特异性达86.8%，对进展期腺瘤的检出率敏感性达33.3%，敏感性和特异性均较现有的无创筛查方法有所提高。这一研究结果对于优化结直肠癌筛查，具有重要的意义，有非常广阔的应用前景。       徐瑞华教授团队的这项成果是我国科学家在肿瘤液体活检领域又一项具有国际领先水平的重大突破，不仅为CRC的筛查提供了新的方法，也为CRC的精准诊治提供了重要的参考。目前该团队仍在积极开展ctDNA分子标志物在其他肿瘤筛查、诊断、预后预测、靶向药物筛选等方面的基础和转化研究，为发现更多的早期肿瘤患者，进一步改善患者的疗效和预后，提供更多、更有力的工具和手段。