排序方式: 共有160条查询结果,搜索用时 15 毫秒
1.
目的:本实验对水溶性碱蓬(Suaeda salsa)多糖SSP1-1进行分离纯化并对其抗肿瘤活性进行初步研究。方法:采用水提醇沉法提取碱蓬粗多糖,通过DEAE-52纤维素柱和Sephadex G-75葡聚糖凝胶柱分离纯化碱蓬粗多糖,得到单一碱蓬多糖SSP1-1,利用高效凝胶渗透色谱法(HPGPC)对其纯度及分子量进行分析,利用MTT、Hoechst 33342染色,Western blot方法对碱蓬多糖SSP1-1的抗肿瘤活性进行研究。结果:SSP1-1分子量为60.32 kDa;SSP1-1具有时间-剂量依赖性抑制肿瘤细胞增殖作用,当SSP1-1浓度为500 μg/mL时,HepG2细胞在24和48 h的细胞活力分别为52.8%和50.2%,Hoechst 33342染色实验观察到SSP1-1可引起HepG2细胞核出现典型的细胞凋亡特征;Western blot证明SSP1-1可以降低Bcl-2的蛋白表达,提高Bax和Caspase-3的蛋白表达,各组蛋白含量与对照组相比均具有显著性(P<0.05)。结论:SSP1-1为均一组分多糖,并对肿瘤细胞具有显著的抑制作用,为进一步开发利用碱蓬多糖奠定了基础。 相似文献
2.
为解决传统滑坡位移点预测模型无法对自身预测结果的可靠程度进行有效描述这一问题,引入区间预测方法,提出一种基于不同Bootstrap方法和KELM-BPNN模型的滑坡位移区间预测模型。该模型以4种常用的Bootstrap方法为基础,首先对由各种外界触发因素与滑坡地表位移的监测信息组成的原始数据集,分别进行B次有放回的等概率随机抽样;然后基于不同Bootstrap方法得到的B个伪数据集,分别训练B个KELM模型对系统误差的方差进行估计,并根据估计结果,训练一个BPNN模型对随机误差的方差进行回归逼近;最终将采用相同Bootstrap方法得到系统误差方差和随机误差方差相结合,构造出在不同置信水平下的滑坡位移预测区间,并通过综合对比分析,提出与实际滑坡变形特征相适宜的位移区间预测模型。以三峡库区内具有阶跃式变形特征的典型堆积层滑坡——白水河滑坡为例,选取ZG93和ZG118两个监测点在2004年7月~2013年12月期间的数据进行研究。结果表明,与传统点预测模型相比,该模型不仅能够提供具有一定精度的点预测结果,还能构造出较为清晰、可靠的位移预测区间将真实的位移曲线完全包裹在内。此外,通过预测区间宽度的实时变化,该模型能够较好地量化与解释滑坡演化过程中外界触发因素的动态变化对滑坡变形造成的不确定性影响,为滑坡灾害的预报预警提供了一种新的思路和方法。 相似文献
3.
4.
5.
研究了单神经元PID控制器和BP神经网络PID控制器在火电机组过热汽温的应用.实验结果表明,神经网络PID控制结构简单,有较强的鲁棒性,取得了较好的控制效果. 相似文献
6.
基于格兰杰归因分析的高损台区窃电检测 总被引:1,自引:0,他引:1
配电台区中,用户窃电将增大台区线损电量,窃电电量直接对应非技术线损,并与台区线损电量间存在因果关系。分析指出,常见窃电手法中窃电用户的窃电量多与电表计量电量呈正相关关系,这将使得线损电量与窃电用户的计量电量之间存在隐含的因果关系。以此为基础,提出基于格兰杰归因分析的高损台区窃电检测方法。通过协整检验及格兰杰检验分析用户用电量与台区线损时间序列间的长期趋势及格兰杰因果关系,将对台区线损影响突出的用户识别为窃电用户。基于实际高损台区和高损线路用户数据的测试算例和现场稽查验证了所提方法的有效性。 相似文献
7.
薛阳张宁吴海东俞志程李蕊 《电网技术》2020,(2):556-563
短期负荷预测是保障用户侧微电网经济、安全运行的基础。现有研究表明,综合考虑气象、地理等影响因素的负荷预测模型在一定程度上提升了预测准确率。但在具有明显城市特征的用户侧微电网负荷预测中存在局限性,其预测结果呈现显著偏差,使得基于该结果的潮流计算偏离实际情况,危及系统的安全运行。针对此问题,提出了一种新型热气候指数–最大信息系数(universal thermal climate indexmaximal information coefficient,UTCI-MIC)与振幅压缩灰色模型的用户侧微电网短期负荷预测方法。首先,该模型采用经验模态分解将用电负荷分解为波动负荷和趋势负荷曲线;其次,建立了考虑相似日的MIC矩阵与涵盖多时刻气象、地理区位、城市特征因素的UTCI热环境评估方法,用于波动负荷预测;最后,将基于振幅压缩灰色模型获得的趋势预测结果与波动预测结果重构,得到用电负荷预测结果。案例验证表明,所提方法可有效预测城市特征明显的用户侧负荷变动情况,其预测准确率可达96.91%以上,为城市电网的能量管理系统和电力市场交易提供重要参考。 相似文献
8.
对街道场景视频或图像数据中的人和车辆进行实时检测是导盲系统中难度很高的任务,针对街道目标检测任务,提出了一个根据目标检测技术YOLOv3算法改进的街道场景检测算法YOLOv3-Street,分别在传统YOLOv3算法的网络框架以及数据增强方式上进行了改进。针对传统的主特征提取网络Darknet53采用CSPDarknet53改进结构,实现更丰富的梯度组合,同时减少计算量;引入特征金字塔SPP和PAN结构,增加网络感受野;使用Mosaic数据增强避免过拟合。实验过程中采用MIT的CBCLStreetScenes数据集并对3547张数据中的汽车,行人等目标进行训练和测试。结果表明,所提出的街道场景检测算法,能够在不受天气、光照、角度等条件约束实时速度达到69FPS,mAP为79.35%,实现了街道场景检测实时性与精度的良好平衡,提升了盲人出行的安全指数。 相似文献
9.
数据驱动的窃电检测方法主要根据电量及派生指标识别低电量异常,容易受干扰影响误报。利用工商业用户生产经营状态指标大致固定的特点,提出基于生产经营状态识别的窃电二次筛查方法。首先,将检出的低电量异常用户每天的三相功率作为负荷特征,用以标识其当天的用电行为模式及生产经营状态。然后,将每天的负荷特征进行近邻传播聚类。当低电量异常时段负荷特征与正常低电量生产经营状态聚为同类时,认为是用户状态正常转换导致的异常,可排除窃电嫌疑。基于实际窃电数据的测试表明,所提方法可降低误报率。 相似文献
10.