基于文献的抑郁症中医证候分类分析

在遵循循证医学原则的前提下,系统检索近10年来抑郁症中医及中西医结合临床研究类文献。并将检索的文献按照证候研究、方药治疗、辨证论治、综述进行分类,根据各类文献的研究特点采用不同的统计方法,对抑郁症证候分类进行分析研究,以期总结归纳出抑郁症临床常见证候,为抑郁症中医证候规范化、客观化提供参考依据。统计分析结果显示抑郁症临床常见证候依次为:肝气郁结、肝郁脾虚、心脾两虚、痰气郁结、肝郁肾虚、气郁化火。

供水管网漏损系统性管控技术与装备

本项目以构建城镇供水管网漏损系统性管控体系、提高漏损精细化管控水平为目标,提出了“真实漏失与计量损失协同、区域控漏与精准定位结合、技术降漏与管理降漏统筹”的漏损系统性管控模式,构建了漏损管控策略,研发出以漏损区域识别和优化分区为核心的区域控漏技术,形成了理论-技术-装备于一体的漏损系统性管控理论和技术体系。成果得到大规模应用,环境和经济效益显著,有力促进了城镇供水管网漏损控制工作从经验模式向智慧管控转型,支撑了供水管网从传统基础设施向新型智能基础设施发展。

不平衡样本下基于高斯混合生成模型的泄漏检测方法

我国供水管网漏损问题严重,由于管线泄漏随机性大,难以有效捕捉泄漏信号。因此,检测数据中的正常样本远远多于泄漏样本,存在样本不平衡问题,导致有监督泄漏检测模型的分类效果不佳,从而难以准确识别泄漏事件。针对此问题,提出一种基于高斯混合生成模型的泄漏检测方法,采用高斯混合模型生成新的泄漏样本,使样本比例平衡后再训练模型进行检测。通过和随机过采样、少数合成过采样、自适应合成过采样3种传统方法进行对比,结果表明本文提出的泄漏检测方法准确率高于0.946,灵敏性高于0.917,总体效果明显优于其他方法,为解决实际泄漏检测中样本不平衡问题提供了指导。

基于双向长短时神经网络的水量预测方法研究

短期需水量预测是开展城镇供水管网智能调度和基于流量的漏失在线预警的基础,受限于需水量的非线性变化,传统模型的预测精度和稳定性较差,尤其是对于15 min间隔的需水量预测。为解决此问题,提出了一种利用深度学习的水量预测方法,建立了双向长短时记忆循环神经网络模型预测常州市某DMA入口15min的水量。结果表明,双向长短时记忆循环神经网络模型的预测效果优于传统人工神经网络模型,能够有效提升水量预测模型的精度与稳定性。