基于粒计算的模糊神经建模方法在电能输出预测中的应用

准确地预测电厂的电能输出可以节约成本从而获得最大利润,因此建立一个模型来预测电厂的满载电功率输出是非常重要的。粒计算(Granular Computing, GrC)是一种新型的数据挖掘方法,它将具有类似特性的对象组合在一起,通过选择合适的粒度提取核心信息,减少冗余,降低问题求解的复杂度。本文使用GrC方法,从复杂多维数据集中以信息粒的形式建立初始的模糊推理系统,再通过模糊神经网络学习方法对系统参数进行优化。这种基于GrC的模糊神经(Granular Computing based Neuro-Fuzzy, GrC-NF)建模方法,不仅可以降低问题求解的复杂度,而且可以保持模糊逻辑系统的可解释性,将其与模糊神经网络的结合又提高了建模精度。本文将该方法用于建立电功率输出的预测模型,通过其预测精度的比较表明了该方法的优越性。     

97.非小细胞肺癌病人血浆p16基因异常甲基化的检测

肺癌高死亡率的根本原因在于早期诊断的困难。现代分子肿瘤学的研究进展揭示了在肺支气管上皮癌变过程中发生的多种分子水平异常,使得我们有可能将外周血等容易取得的微创性样品中的分子病理学改变作为肺癌早期诊断的辅助指标。通过以往的研究我们发现,一条等位基因缺失而另一条等位基因异常高甲基化是肺癌组织中抑癌基因p16失活的重要机制之一。在这项研究中,我们利用从非小细胞肺癌（non-small cell lung cancer, NSCLC）病人外周血血浆中提取的DNA分析了P16基因的甲基化状态。采用改进的甲基化特异性PCR（methylation-specific PCR,MSP）的方法,95例NSCLC病人的血浆DNA被检测,其中肺鳞癌59例,肺腺癌36例。作为对照,75例相应的肿瘤组织被同时分析。结果显示,p16基因启动子区高甲基化状态的检出率在血浆中为72．6%（69／95）,而在相应的肺癌组织中为74．7％（56／75）。值得注意的是,血浆DNA p16基因异常甲基化只是从那些肿瘤组织DNA表现p16基因高甲基化的病例中被检出——二者存在极好的符合率。我们还发现,在Ⅰ期病人中,血浆p16基因异常高甲基化在肺鳞癌(82.4%）比在肺腺癌（33.3％）中要高得多（P＜0.005）。从而提示,血浆p16基因异常甲基化有可能成为一项早期发现非小细胞肺癌（尤其是鳞癌）的、非常重要的分子病理学指标。而血浆DNA的MSP则是检测这一指标的敏感、可靠并且便于操作的技术之一,成为一种可以应用于人群筛查的方法。     

肺癌病人痰细胞中p16基因高甲基化分析

目的　分析肺癌病人痰标本中p16基因启动子区域异常高甲基化的改变情况 ,评价该指标作为肺癌辅助诊断分子标记物的价值。方法　运用半巢式甲基化特异性PCR技术 ,检测 94例原发性肺癌病人痰标本和部分对应肿瘤组织 ,以及 10例慢性炎病例痰标本中p16基因启动子区域的甲基化改变。结果　 74%的肺癌病人痰标本中检测到了p16基因异常高甲基化 ,与传统细胞学相比 ( 4 6.8%) ,痰标本中p16基因异常高甲基化对肿瘤的检出率灵敏度更高 (P <0 .0 1) ;痰细胞中p16甲基化检测和细胞学相结合 ,对肿瘤的检出率可达 86.17%( 81 94)。如果痰标本中p16基因启动子区域发生高甲基化 ,其对应的肿瘤组织中p16基因亦为高甲基化。 10例慢性炎病人痰标本中仅 3例检测出p16基因甲基化。结论　痰标本中p16基因甲基化是临床肺癌辅助诊断的有效分子生物标记物之一。