基于DCE-LAE的电力负荷异常检测方法

针对传统的用电负荷数据异常检测方法精度低、提取时间特征困难、特征提取与检测过程分离的问题,提出一种基于深度卷积嵌入LSTM编码器(deep convolution embedded LSTM auto-encoder,DCE-LAE)的电力负荷数据异常检测方法。将长短期记忆网络融入自编码器架构,利用编码器的非线性特征提取能力和长短期记忆网络的时序特征记忆能力提高电力负荷的异常检测精度,将深度卷积层嵌入至该架构中提高感受野,提取更多时间序列特征;将卷积损失和重构损失相结合作为损失函数联合优化,防止卷积嵌入微调对重构空间的扭曲,进一步提高结果的可靠性。实例仿真通过与其它方法进行对比,验证了DCE-LAE的异常检测精度与时序重构能力均优于其它算法。

犬亚急性毒性试验的给药方法

犬亚急性毒性试验中,把受试物按临床给药途径准确地投给动物,结果的可靠性与给受试物(简称给药)的准确性密切相关。两年来,作者以7种受试物对200头犬进行亚急性毒性试验(14～90d),现就给药方法介绍一些经验。实验动物杂种犬200头,雌雄大约各半,体重7～12kg,年龄0.5～1.5岁左右,购于当地农村。实验前灭蚤驱虫,注射狂犬疫苗,饲养3～5周后进行血常规,粪尿常规,肝肾功能,心电图等实验室检测和临床体征检查,择优使用。静脉给药 (1)犬颈外静脉置管滴注 16头犬经氯胺酮100mg/犬静脉麻醉,按外科手术要求,