本发明公开了一种用于网络虚拟手术的网络数据传输方法及系统，包括：获得网络虚拟手术的工作在线特征，将工作在线特征输入至预训练后的反向传播神经网络获得四个监测输出特征；根据四个监测输出特征计算获得数据压缩率、预测补偿窗口大小、冗余重传次数以及本地插值平滑因子；按照数据压缩率对网络虚拟手术的工作数据压缩后执行数据传输；在网络虚拟手术的数据传输过程中，基于预测补偿窗口大小的卡尔曼预测器补偿延迟，根据冗余重传次数触发冗余重传对抗丢包，将本地插值平滑因子代入插值滤波器平滑网络抖动；将反向传播神经网络与虚拟手术力反馈系统相结合，实现了对网络化虚拟手术中延迟、抖动和丢包问题的自适应调节。

本发明公开了一种流量可调的可拆卸螺旋式迷宫流道灌水器，其特征在于：它包括主体灌水器，螺纹连接在所述主体灌水器外部的出水环腔，以及螺纹连接在所述主体灌水器两端的毛管；在所述主体灌水器的外壁上设有螺旋式迷宫流道和外螺纹；在靠近所述主体灌水器的一端的外壁上开设有进水口，所述进水口连通所述主体灌水器的内腔和所述螺旋式迷宫流道；在所述出水环腔的外壁上设有出水口，所述出水口连通所述主体灌水器的所述螺旋式迷宫流道。本发明的主体灌水器和出水环腔能够方便的旋合或分离，实现出水口处的流量可调，方便主体灌水器清洗和检修，提高整个灌水器的抗堵塞性能和重复利用性。

本实用新型公开了一种浮筒起落自闭控制截流管道流量的截流井，包括：井壁、截流管道、浮筒、溢流管道、合污管道；采用浮筒在水面漂浮时与截流管道接触到面积控制溢流井内截流流量的大小，实现在低水位时污水全部从截流管道内流出；在高水位时浮筒逐渐堵住截流管道的端口，直至截流管道完全堵上，污水从溢流管道中流出，排放到河流中。因此，本实用新型所提出的溢流井，结构简单、制造容易、成本低廉、无需电力、无需任何精密设施、完全由水力自动控制浮筒与截流管道的间隙，截流管道出流流量最小可以达到零，且在使用过程中基本不需要维护与管

以天然气开采中存在的高含气率气液两相流在线测量为背景，针对气田单井井口湿天然气测量对低成本、实时性、双参数测量的需求，采用V锥节流装置，通过理论分析、室内实验和数值模拟、工业现场验证，从测量机理和测量模型两个角度研究内置V锥管内气液两相流动特性。阐明了流型、截面含气率、摩擦压降以及V锥压力损失等流动规律并建立了相应的实验关联式；获得了两相流流经V锥后尾涡的动力学特性及变化规律；提出了基于单V锥节流元件的湿气气液流量双参数测量方法。目前的在线式湿气流量计多采用组合测量法，可分为单相流量计组合、单相流量计与相含率传感器组合两大类。组合测量法存在装置结构复杂、设备体积庞大、购置维护费用高等问题，有些流量计还包含放射源，安全管理难度大。本课题组提出的基于单V锥节流元件的湿气流量计结构简单、设备体积小、成本低、流动阻力小、测量精度高、重复性好。目前市面上的湿气流量计以国外企业的产品为主，其价格都在¥100万元以上，本课题组提出的V锥湿气流量计总造价低于¥10万元。据统计，仅苏里格气田产气井数量在7000口以上，若采用V锥湿气流量计进行单井计量不仅可以显著降低成本，同时可以优化生产工艺，经济效益明显。

产品详细介绍液体涡轮流量传感器柴油涡轮流量计，液体涡轮流量计，汽油涡轮流量计，煤油涡轮流量计，液体涡轮流量计，lwgy系列涡轮流量计适合用于纯净液体（不含颗粒状和条带状杂质），流动性好、腐蚀性不是很强的液体计量，精度高，计量准确，也可以用于定量控制方面涡轮流量计是测量液体流量最实用的仪表.它精度高,稳定性好,使用简单.,因此广泛应用于各行业的流量计量，如石油、化工、科研领域和食品酒水饮料行业.尤其适合测量低粘度的介质，如水、汽油、柴油等。与相应的二次显示仪表配套使用可用于测量液体的瞬时和累计流量。也可与定量控制仪配套使用，实现工业液体定量控制使用。 最小可做成DN2mm一、液体涡轮流量传感器概述涡轮流量计(传感器)的公称通径、公称压力、最大压力损失、流量范围等技术性能见表1。                        表1                            单位：m3 /h公称通径Dn(mm) 流   量   范   围                                     公称压力PN（Mpa） 最大压力损失（Mpa）            ±0.2% 基本误差限 0.5% 基本误差限    1.0%基本误差 下限 上限 下限 上限 下限 上限 2* - - - - 0.010 0.130 1.6 0.153* - - - - 0.040 0.250 1.6 0.124* - - - - 0.04 0.25 6.3 10 0.25 1.2 0.2 1.2 12 0.8 2.5 0.4 2.5 0.25 2.5 15 1.2 5 0.6 4 0.5 5 20 1.5 7 1.1 7 0.7 7 25 2 10 1.6 10 1 10 0.0432 3.2 16 2.5 16 1.6 16 2.5 40 4 20 3 20 2.5 25 50 8 40 4 40 4 40 65 12 60 6 60 6 60 80 20 100 10 100 16 160 100 25 160 20 160 20 200 1.6或2.5 150 50 300 40 300 40 400 200 120 600 100 600 80 800 1.6 仪表口径及连接方式2、 4、6、10、15、20、25、32、40采用螺纹连接；（15、20、25、32、40）50、65、80、100、125、150、200采用法兰连接 精度等级 ±0.2%R、±0.5%R 、1.0%量程比 1:10；1:15；1:20 仪表材质 304不锈钢、316（L）不锈钢等 被测介质温度（℃） -20～＋120℃ 环境条件 温度－10～+55℃，相对湿度5%～90%，大气压力86～106Kpa 输出信号 脉冲频率信号，4-20Ma ；显示方式：有远传型、现场显示型供电电源 3.6V锂电池；  +12VDC 、+24VDC（可选） 传输距离  ≤1000m 防护等级 IP65一、液体定量控制仪产品功能：智能流量控制仪是以微处理器为基础的新型控制仪表。仪表能与各种数字量信号变送器（如涡轮、涡街、电磁等流量计）配套使用。可对流量进行积算、定量控制。输出开关信号控制管路中的电磁阀或电机。功能可通过面板按键进行选择设定，方便直观。由于对仪表的软硬件进行了特殊的设计，采用了软硬件双重保护措施，使仪表具有很强的抗干扰能力，仪表的可靠性、稳定性大大提高。控制仪显示方式：触摸屏PLC显示；数码显示；液晶显示二、技术指标：1 、仪表的精度： 累计量精度 : ± 0.2%.瞬时量精度：± 1.0%.2. 最大累计显示： 99999999kg （ Nm 3 ， m 3 ）3 . 输入信号：流量脉冲电压信号： 1 ～ 5000Hz 。流量脉冲电流信号： 4 ～ 20mA 。5. 外供电源：一组 12V ，最大输出电流 50mA6. 供电电源： AC220V ± 10% ， 50Hz ，最大功耗 12W7 .工作环境：温度： -10 ～ 55 ℃，湿度≤ 85%RH8 . 外观尺寸：300 * 400 *140

成果描述：本发明申请要解决的问题是，改进预测技术，提高预测准确度。本专利利用高阶马尔科夫模型的原理提出HM-gMTD模型的一种改进，即高阶HM-gMTD模型，并通过EM算法给出相应的参数估计方法和相应的计算方法，并能够快速进行参数估计，以提高模型预测的准确度。市场前景分析：预测模型的发展在人类的经济生活方面发挥着重要的作用，尤其是马尔科夫模型，几乎在各个领域都有着非常广泛的应用。本发明着重混合转移分布模型与高阶隐马尔科夫模型的巧妙结合，构造出高阶HM-gMTD模型，然后运用EM算法，对新模型实现了主要参数的求解。最后为了衡量一个模型的好坏和对不同的模型进行比较，我们选择准则函数。模型比较的最佳准则函数，既考虑到模型对原始数据的拟合程度，又兼顾模型中所包含的待定参数的个数，并且对二者做出合理的权衡。与同类成果相比的优势分析：本发明主要是针对HM-gMTD模型的进一步改进，提出一个高阶HM-gMTD模型，使其在降低计算的复杂度的同时，提高预测的准确性。

本发明涉及一种风电集群轨迹预测与分层控制方法，包括：根据风电集群及风电场内的拓扑结构，基于空间相关性和NWP数据进行超短期风电功率预测；根据调度中心下发的调度值，将控制过程在空间上分为集群优化调度层、场群协调分类层和单场自动执行层，将风电功率预测值从时间上逐层细化；在场群协调分类层，基于风电功率预测值对风电场进行分类，分为上爬坡群、下爬坡群、平稳群和振荡群；在单场自动执行层，基于AGC机组下旋转备用裕度和风电送出断面裕度判断风电可增发空间，增发上爬坡群风电场出力或降低下爬坡群风电场出力；基于风电场运行与监测系统，根据监测到的风电场实际值，计算并反馈风电功率误差，修正风电集群和风电场预测值，使优化过程更加精确。

本成果针对城市水电气热等综合能源数据来源广泛，结构复杂，且与用户、时间、空间信息关系紧密的特点，构建了高性能综合能源数据分析平台，提出了细粒度的能源数据分析理论框架及方法，并将其应用于智慧城市建设。

针对太阳能集热系统扰动多、大滞后和大惯性等控制难点，建立了适合控制器设计的简化分段非线性模型，并设计了基于预测函数控制策略的集热系统出口导热油温度控制系统。该预测函数控制策略在调节速度、超调量以及稳定性方面的控制效果均明显优于传统PID控制策略；与未简化的多模型预测控制相比，简化后的多模型预测函数控制的最大动态偏差增大了13%，但计算量大大降低，控制器的实时性也得到增强。

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：