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：

本项目发展了与时间相关的破坏理论，包括与时间相关的损伤理论、与时间相关的断裂理论、以及与时间相关的损伤可靠性理论，建立了高温构件损伤局部化的测量与分析方法，得出了冶金不连续结构、几何不连续结构、温度不均匀结构的损伤规律，由此形成了结构弱点识别技术，并通过与微观组织定量分析手段相结合，有效地解决了高温设备何处修与何时修的问题。同时该项目应用计算机及网络技术以促进先进的维修规划技术向企业管理的各个环节渗透。基于C/S与B/S模式相结合的思路，构建以预测为基础的过程设备管理系统，在开发设备维修日常管理系统的同时，将先进的缺陷评定技术作为转化的重点，并建立了高温设备远程寿命评估及监测的模块。该项目总体上达到了国际先进水平，许多具体技术是国内外首创的。  本项目的技术成果可应用于化工、石油化工、发电、冶金等工业领域的设备维修规划与失效预防。随着我国国民经济建设的快速发展，进入老化期的工厂（> 100,000 小时）越来越多，保证安全生产和降低维修成本的压力日益增大，另一方面国内高温装备制造商通过采用本项目的技术，可望提高其设备的市场竞争力。72％片碱生产蒸发浓缩装置

本发明涉及一种风电功率爬坡事件概率场景预测方法，通过构建计及累积密度函数和高阶矩自相关 函数的多目标适应度函数实现了分布特征一致性和时序特征一致性。基于多目标适应度函数的遗传算法 对概率生成模型参数进行迭代寻优，得到大量预测场景，并通过场景捕捉带内挖掘出的爬坡事件概率特 征评价该预测方法。选取国外某风场实际数据进行算例计算和统计分析，结果表明多目标函数较单目标 函数的统计结果更为精确，而且该概率场景预测方法可以较准确地估计出爬坡事件的特征量，证明了该 方法的正确性，可为概率场景生成方法和爬坡事件预测模型提供指导。 

该成果 2016 年获教育部高等学校科学研究优秀成果奖二等奖。中国月-季节尺度降水预测是短期气候预测中的一个难点和重点，我们提出了一种基于动力-统计相结合的客观定量化的气候预测新理论，充分吸收了动力学和统计学方法的优点，为提高月-季节降水预测准确率提供了一种新思路。

本发明公开了一种基于区间的数控机床加工性能预测方法，包括：(1)获取每类测量数据的多个测量值；(2)将每类测量数据中的每个测量值转换成区间形式；(3)提取时域或时频域特征；(4)把提取的时域或时频域特征作为观测，获得优化的广义隐马尔可夫模型；(5)从优化的广义隐马尔可夫模型中，找出状态转移概率矩阵，作为马尔可夫链转移矩阵；(6)选择区间化的初始状态概率向量，并与该马尔可夫链转移矩阵，形成性能预测模型 A⁽ⁿ⁾；(7)求该模型中的最大值，即为数控机床加工性

本发明公开了一种高速公路网交通流量分布的预测方法，假设已经预测了高速公路网在某一时间标度下各入口站的未来产生量和各出口站的未来吸引量，通过站点的历史流量分布来计算现状流量分布和现状效用系数，之后计算预测流量分布，得到预测结果。本发明的有益效果在于：（1）对高速公路流量分布预测具有较高的预测准确率；（2）算法收敛速度快；（3）采用滑动窗口技术，能够充分利用历史流量数据，从而准确、有效的修正分布预测模型中的参数，提高预测的准确度；（4）具有较好的普遍适用性，不局限于某一特定高速路段。

本发明提出一种水泵水轮机第一象限特性曲线理论预测方法，基于水轮机欧拉方程，利用水泵水轮 机转轮进出口直径、转入叶片进出口安放角及导叶开度等几何体型参数，考虑转轮进口的撞击损失、转 轮内及尾水管水头损失和离心力作用项，得到水泵水轮机反―S‖的特性及水轮机区特性曲线。本发明可 适用于抽水蓄能电站中水泵水轮机前期开发设计，为水泵水轮机几何参数对转轮的反―S‖特性影响提供 预测和指导方向；使转轮在水力模型试验之前，为电站前期调节保证设计提供水轮机区初步

本发明提供了一种多级变电站的短期负荷预测方法，包括获取 n 级变电站的历史数据，并对历史数据进行预处理；对预处理后的历 史数据进行处理，获得影响第 n 级变电站负荷的主要因素；建立预测 模型，并根据待预测日的第 n 级变电站的气象数据以及预测模型获得 第 n 级变电站任意时刻 t 的负荷预测结果；根据变电站和线路的参数 计算潮流获得第n-k+1级变电站中各个变电站和第n-k级变电站中各个 变电站之间的功率损耗；根据历史负荷和气象数据获得第 n 级变电站 任意时刻 t 的负荷预测结果；根据第 n 级变

本发明公开了一种基于空间句法的城市扩张边界预测方法，包括以下步骤：1）绘制线段地图 （Segment?Map）并提取建成区边界；2）建立固定网格单元；3）求算空间句法形态分析变量，并赋值 给格网；4）计算各网格到建成区边界距离；5）建立多元线性回归模型并检验；6）城市扩张边界预测。 本发明方法构建了建成区边界与空间句法形态分析变量间的定量模型，并将上述模型应用于城市扩张边 界预测中，在一定程度上能为城市规划决策和城市边界问题的研究提供新思路。