沉析纤维尺寸和含量对间位芳纶纸性能的影响

使用不同目数的筛网对自制的Z沉析纤维进行筛分,将得到的不同尺寸的沉析纤维与间位芳纶短切纤维按一定质量比配抄成纸,制备间位芳纶纸;通过红外光谱、X射线衍射、扫描电镜及热失重、动态滤水分析对自制的Z沉析纤维的化学结构、热性能、动态滤水性能进行表征,并与进口的J沉析纤维对比;研究了沉析纤维的尺寸和含量对间位芳纶纸性能的影响。结果表明:Z沉析纤维与J沉析纤维均为膜状结构,化学结构基本一致,动态滤水性能及热性能相当;经30目或50目的筛网筛分后的沉析纤维可以与短切纤维更好地抱合,间位芳纶纸的抗张强度、断裂伸长率、撕裂度、击穿强度均达到较大值;间位芳纶纸的撕裂度随沉析纤维含量的增加逐渐降低,间位芳纶纸的抗张强度、断裂伸长率、击穿强度随沉析纤维含量的增加呈现先增后降的变化趋势,当沉析纤维质量分数为55%时,间位芳纶纸的抗张强度、断裂伸长率、击穿强度均达到最大值,分别为3.0 kN/m、5.50%、18.7 kV/mm。

基于物联网的肺癌早期预警模型在COPD患者中的应用

目的 运用基于物联网数据挖掘技术的肺癌早期预警模型在丽水市慢性阻塞性肺疾病患者中进行早期肺癌筛查。方法 在2021年7月到2022年6月在笔者医院确诊的慢性阻塞性肺疾病(chronic obstructive pulmonary disease,COPD)患者行胸部CT平扫,将检出肺结节并同意入组的300名患者完成肺结节靶扫描+二三维重建,检测外周血CYP1A1、GST及XRCC1的基因多态性和miRNA130a和miR204-5p。嘱其2022年7月到2022年9月每天清醒时佩戴智能手环10h检测生命体征和运动量。2022年10月复查肺结节靶扫描+二三维重建,如结节较前增大则如实告知患者结果,由患者与笔者医院除研究者外专科医师自行商议是否进行肺穿刺送病理。病理确诊肺癌的患者为进展组,其余为稳定组。结果 240名患者为稳定组,48名患者为进展组,12名患者经与专科医师商议后继续随访。两组之间肥胖、平均血氧饱和度、最低血氧饱和度、用力肺活量(forcedvitalcapacity,FVC)预计值、运动量、肺结节长径差异均有统计学意义(P<0.05)。两组外周血miRNA-130a,miRNA-204-5p表达水平比较,差异有统计学意义(均P<0.001)。稳定组与进展组外周血CYP1A1、GST、XRCC1基因型比较,差异均有统计学意义(P<0.05)。受试者工作特征(receiveroperating characteristic,ROC)曲线下面积分别为平均血氧饱和度0.681,最低血氧饱和度0.735,FVC预计值0.781,运动量0.835,肺结节长径0.825,外周血miRNA-130a 0.796,miRNA-204-5p 0.893。结论 基于物联网数据挖掘技术的肺癌早期预警模型可用于慢性阻塞性肺疾病患者肺癌筛查。

ESBLs及TET(X4)基因大肠埃希菌肺炎临床特征比较

目的比较ESBLs(+)TET(X4)(-)及ESBLs(-)TET(X4)(+)两种不同耐药基因大肠埃希菌肺炎的临床特征。方法目标人群为2020年1月至2022年12月在丽水市人民医院住院且肺泡灌洗液经细菌培养和mNGS法测出耐药大肠埃希菌的肺炎患者,A组为ESBLs(+)TET(X4)(-)大肠埃希菌肺炎患者135例,B组为ESBLs(-)TET(X4)(X+)大肠埃希菌肺炎患者82例,比较两组的临床特征及耐药性。结果B组从事农林畜牧业、长期使用塑料制品、四环素使用率及30d死亡率均高于A组(均P<0.05)。B组对四环素、米诺环素、替加环素的耐药率比A组高(均P<0.05),但对头孢(头孢曲松、头孢他啶、头孢吡啶、头孢唑林)和青霉素(阿莫西林克拉维酸钾、氨曲南、氨苄西林、哌拉西林、哌拉西林他唑巴坦)的耐药率较A组低(均P<0.05)。结论从事农林畜牧业,长期使用塑料制品、四环素的患者更有可能感染TET(X4)(+)大肠埃希菌,其导致的肺炎病死率比ESBL(+)大肠杆菌的患者要高。

基于车联网的电动车物流配送路径优化研究

考虑到电动车在当今物流配送环节中扮演着愈发重要的角色,电动车物流配送过程中充电站位置选择、充电时机选择以及相应路径规划越来越成为行业内备受关注的问题。文章基于车联网对电动车物流配送路径优化进行研究。首先,借助车联网技术获取实时交通路况以及充电站相关信息,提出车联网情境下基于排队论的充电排队等待时间预测模型。其次,考虑时间、路径选择、电量及载重约束,构建以参与配送车辆的配送时间成本、耗电成本以及时间窗惩罚成本之和最优为目标的电动车物流配送路径优化模型。最后通过算例验证模型的可行性以及算法的有效性。实验结果表明相较于最迟充电策略下的电动车物流配送路径优化模型,基于车联网的电动车物流配送路径优化模型具有显著优势。

PA6-PA6T/6I合金的制备及性能

利用尼龙6T/6I (PA6T/6I)与尼龙6 (PA6)按不同比例进行共混,得到一系列PA6-PA6T/6I合金。通过傅立叶变换红外光谱分析了其化学结构,采用差示扫描量热、热失重分析其热性能,通过动态机械热分析测试了其损耗因子及玻璃化转变温度,并测试了吸水性和力学性能。结果表明,PA6-PA6T/6I合金具有很好的热稳定性,PA6T/6I的添加提高了PA6-PA6T/6I合金的起始热分解温度和玻璃化转变温度。随着添加PA6T/6I的质量分数从0%增加至35%,PA6-PA6T/6I合金的熔点从224.3℃降低至217.2℃,拉伸强度从68MPa增加至85MPa,拉伸弹性模量从2210MPa增加至2615MPa,弯曲强度从83MPa增加至103MPa,弯曲弹性模量从1750MPa增加至2 030MPa,而简支梁缺口冲击强度则从5.5kJ/m^2降低至2.1kJ/m^2,饱和吸水率降低明显,从9.5%降低至5.3%。当PA6T/6I的质量分数在10%～25%区间时,PA6-PA6T/6I合金在保持一定冲击韧性的同时,改善了其强度、弹性模量及吸水性,其综合性能最佳。

基于标签随机有限集滤波器的多扩展目标跟踪算法

针对现有随机有限集(random finite set,RFS)扩展目标滤波器不能输出航迹的问题,提出了基于标签RFS滤波器的多扩展目标跟踪算法。该算法首先采用随机超曲面模型将目标建模为星-凸扩展形态,然后利用标签策略表征集合中的离散元素,结合基于延迟逻辑的多假设跟踪理论,采用N次回扫策略对多帧量测进行平滑处理。仿真实验结果表明,该算法可以在目标跟踪过程中形成完整航迹并对目标扩展形态进行有效估计,特别是在低信噪比探测场景中,所提算法跟踪精度明显优于传统RFS滤波算法,进一步提高了滤波器的稳定性和有效性。

尼龙PACM14的制备及表征

以4,4′-二胺基二环己基甲烷和十四烷二酸为单体制备了新尼龙聚十四烷二酰4,4′-甲撑双环己烷胺(PACM14)。通过核磁共振氢谱(1 H NMR)和傅立叶变换红外光谱分析(FTIR)表征了PACM14的化学结构,并测试了其热性能和力学性能。结果表明,PACM14的玻璃化转变温度为126℃,比商业化产品聚十二烷二酰4,4′-甲撑双环己烷胺[PACM12(TROGAMID CX)]低9℃,PACM14起始热分解温度404℃,比PACM12高3℃,而且两者透光率一致。PACM14力学性能与PACM12整体相当,PACM14拉伸强度、弯曲强度、热变形温度低于PACM12,无缺口冲击强度高于PACM12,吸水率较PACM12有明显改善。

无卤阻燃增强半芳香尼龙PA13T/GF的制备与性能研究

采用熔融共混改性技术,添加阻燃剂1230对半芳香尼龙聚对苯二甲酰十三碳二胺(PA13T)和玻璃纤维(GF)制备无卤阻燃增强高温尼龙PA13T/GF复合材料。利用傅里叶红外光谱仪分析对PA13T/GF复合材料的化学结构进行了分析;通过DSC研究了复合材料的熔融结晶行为、利用TG研究了复合材料的热分解温度;分析表征了测试复合材料的热变形温度以及力学性能,同时评估了复合材料的阻燃性能。结果表明,PA13T树脂与阻燃剂1230有复合作用,共混改性制备的PA13T/GF复合材料具有优异的机械性能和热变形温度,氧指数达到39%,阻燃等级达到UL94 V-0。

双重介入治疗肺癌合并肝转移患者的效果和安全性探讨

目的探讨对癌症合并肝转移患者予以双重介入治疗的临床效果与安全性。方法择取2014年1月~2017年1月于我院接受治疗的原发性肺癌合并肝转移患者240例,将其通过随机摸球法分为试验组与对照组,各120例。对照组通过静脉给药的方式进行化疗,试验组则进行双重介入治疗,对比两组患者的治疗效果及不良反应情况。结果试验组的肝、肺肿瘤体积改善率以及6个月的生存率分别为62.50%、56.67%、65.83%,显著高于对照组的37.50%、30.83%、37.50%;而症状指数以及VAS评分显著低于对照组,差异具有统计学意义(P<0.05)。试验组的肝功能异常率、肾功能异常率、WBC异常率、并发症发生率分别为62.50%、15.83%、46.67%、11.67%,均显著低于对照组的85.83%、37.50%、66.67%、29.17%,差异具有统计学意义(P<0.05)。结论对癌症合并肝转移患者予以双重介入治疗能够改善预后效果,同时治疗的安全性较高,应当将这一治疗方法进行推广。

安罗替尼辅助治疗晚期非小细胞肺癌疗效观察

目的观察安罗替尼辅助治疗晚期非小细胞肺癌(NSCLC)的疗效。方法选取丽水市人民医院2018年1月—2020年1月收治的晚期NSCLC患者123例为研究对象,其中采取安罗替尼联合培美曲塞/紫杉醇+卡铂方案治疗63例,为观察组;仅培美曲塞/紫杉醇+卡铂方案治疗60例,为对照组。以21 d为1个周期,治疗2个周期后观察并比较两组患者近期疗效、生存质量、毒副反应、血清亲环蛋白A(CypA)水平变化等指标。结果观察组患者客观缓解率、生存质量提高率均明显高于对照组(均P<0.05);两组患者骨髓抑制、肝肾功能异常、肝肾功能异常、乏力等不良反应发生率比较,差异均无统计学意义(均P>0.05)。治疗前,两组患者血清CypA水平比较,差异无统计学意义(P>0.05);治疗后,两组患者血清CypA水平均明显降低(均P<0.05),且观察组明显低于对照组(P<0.05)。结论化疗联合安罗替尼辅助治疗晚期NSCLC患者的近期疗效明显,可提高患者生存质量、降低血清CypA水平,且不增加不良反应。

带有热回收器的溶液除湿复合热泵系统模型及其性能分析

文章建立了带有热回收器的溶液除湿复合热泵系统模型,并根据该模型的模拟结果分析了冬、夏季条件下,热泵机组的性能系数COPHP、复合热泵系统的性能系数COPsys、送风温度ta,i和送风含湿量ωa.i随不同热回收器换热效率的变化情况。分析结果表明:冬、夏季,当处于除湿器和再生器之间的溶液-溶液热回收器的换热效率由0.7升高至0.95时,COPsys分别增大了7.16,3.85;当处于送排风管之间的空气-空气热回收器换热效率由0.1升高至0.9时,COPsys分别增大了1.42和1.67,此工况下的COPsys提升程度低于热回收器处于除湿器和再生器之间的工况;在除湿/再生器入口处安装溶液-空气热回收器后,随着热回收器换热效率由0.1逐渐升高至0.9,夏季,COPsys仅升高了0.4,冬季,COPsys略微下降。

心理干预对慢性阻塞性肺疾病病人无创正压辅助通气应用效果的Meta分析

目的:系统评价心理干预对慢性阻塞性肺疾病病人无创正压辅助通气的应用效果。方法:通过计算机检索中国知网、维普数据库、万方数据库、中国生物医学文献数据库、PubMed、EMbase、the Cochrane Library、Web of Sciense等中文、英文数据库,收集所有符合标准的随机对照试验文献,对纳入文献进行质量评价和Meta分析,使用RevMan 5.3软件进行统计处理。结果:共纳入11篇随机对照试验文献,试验组480例,对照组488例。Meta分析结果显示:心理干预可有效提高慢性阻塞性肺疾病病人使用无创正压通气依从性[OR=2.84,95%CI(2.17,3.72),P<0.00001],提高病人氧分压(PaO_(2))值[MD=4.09,95%CI(3.98,4.19),P<0.00001],降低二氧化碳分压(PaCO 2)值[MD=-8.17,95%CI(-12.32,-4.02),P=0.0001]。结论:现有证据表明,心理干预能够有效提高慢性阻塞性肺疾病病人无创正压通气的依从性及改善血氧指标,选择合适的心理干预措施是提高无创正压通气依从性效果的重要因素。

栖山望海——深圳万科天琴湾三期规划及建筑方案设计

万科天琴湾位于深圳东部黄金海岸旅游度假胜地大、小梅沙双湾之间的崎头岭半岛之上,三期项目规划面积253990平方米,总建筑面积:25040㎡,容积率仅为0.099。48栋大宅依地形散落其间,质朴而静谧,融于这片美丽浩瀚的山海之间。

以DFE为导向的环境教育课程设计研究——以《生态公园模型设计》课程为例

环境教育是提升环境行动能力的重要途径,对推进生态文明建设有重要意义。目前环境教育虽已有长足进步,但实际开展中仍存在内容散落、学科领域狭窄、实践性不足等问题。在分析中国环境教育现状与问题基础上,从环境教育综合性、实践性的特点以及引导学生主动参与解决环境问题的角度,建构了以DFE导向的初中环境教育课程模型,并以上海市初中为例进行《生态公园模型设计》课程案例设计与实践。学生在校内外教师共同组成的跨学科教学团队指导下,以设计者角色参与立足真实环境问题的DFE工程设计过程,采用校外实地调查和校内设计制作相结合的实践活动形式,帮助学生获得解决环境问题的能力,树立热爱环境的情怀,理解“人与自然是生命共同体”理念。

个体化骨肌多体动力学和有限元联合建模的肩胛骨锁定板生物力学评估方法

为解决难以在体内生理载荷条件下评估植入物力学性能的问题,建立了个体化骨肌多体动力学联合有限元建模方法,在个体抬高运动体内载荷状况下调查肩胛骨骨折板的设计和生物力学性能。以一例个体的相关数据为材料,基于骨肌多体动力学软件Anybody和有限元软件Abaqus,建立与个体上肢相对应的骨肌多体动力学模型和肩胛骨骨折固定有限元模型,模拟右臂外展90°和前屈45°运动;采用骨肌多体动力学方法,预测个体体内所有的肌肉力和关节力,然后将预测的肌肉力和关节力加载至肩胛骨骨折固定有限元模型,调查新设计骨折板的生物力学性能,并与传统重建板进行了对比。结果表明:在右臂外展和前屈运动中,最大盂肱关节接触力分别为428 N和379 N;2.6 mm厚度新设计骨折板的最大范氏应力分别为118 MPa和113 MPa,均小于3 mm厚度重建板的最大范氏应力128 MPa和142 MPa。与传统的植入物失效评估方法相比,个体化联合建模方法增加考虑了个体的解剖差异和体内生理载荷状况,允许在个体日常活动体内载荷下调查植入物的生物力学性能,可为假体设计、医生手术和术后康复提供理论指导。

机器学习在材料信息学中的应用综述

面对巨大的材料设计空间,基于理论研究、实验分析以及计算仿真的传统方法已经跟不上高性能新材料的发展需求。近年来,材料数据库与机器学习的结合带动了材料信息学的进步,推动了材料科学的发展。当前,运用数据驱动的机器学习算法建立材料性能预测模型,然后将其应用于材料筛选与新材料开发的研究引起了学者们的广泛关注。利用机器学习框架搭建材料研究设计平台对材料大数据资源进行分析与预测,成为开发新型材料的重要手段。将机器学习运用于材料科学面临一系列困难,包括根据预测对象确定材料特征的计算或自动抽取,不同精度的实验与计算数据的获取与预处理;选取或者开发合适的机器学习预测模型和训练算法;估计预测效果与预测性能的可靠性;处理材料机器学习问题所独有的小数据、异构数据、非平衡数据等特性。目前研究的焦点是针对不同的材料性能,收集相关的数据集,基于物理原理构造特征表示来训练机器学习模型,并将机器学习的最新技术用于材料信息学。现阶段机器学习已经被应用于光伏、热电、半导体、有机材料等几乎所有的材料设计领域。通过采用机器学习算法训练材料性能的预测模型,并将其用于筛选现有材料数据库或者搜索新的材料,大大加快了新材料发现的过程。目前,国内外科学家借助统计推理与机器学习算法开展了一系列的研究,开发了适合预测不同材料属性的多种材料表征方法,应用了包括深度学习、贝叶斯网络等最新机器学习与人工智能方法,在多类功能材料设计领域取得了突破性的成果。本文主要介绍了机器学习方法在材料性能预测中的相关研究与应用,包括目前最常用的材料数据库资源,多种适用的机器学习算法及应用实例,以及机器学习在材料性能预测中遇到的常见问题。最后对国内外的材料信息学发展现状进行了概括,并对其未来发展进行了展望。

人工智能技术在数值天气预报中的应用

当前,人工智能迎来第3次发展浪潮并在多个领域大数据分析中取得巨大成功,这为人工智能技术与数值天气预报结合提供了契机。已有大量研究尝试将人工智能技术用于数值天气预报的初值生成、预报和产品应用过程中,涉及观测资料预处理、资料同化、模式积分、后处理以及高性能计算,通过误差估计、参数估计和局部代理等手段使预报结果,得到改进且计算速度大幅提升,展示出良好的应用前景,一些神经网络模型也表现出纯数据驱动预报的可能性,在短时强对流天气、降水以及气候预测中已有较为理想的应用实例。然而,人工智能技术在数值天气预报中的应用与发展仍面临一些挑战,主要包括深度学习的弱解释性、不确定性分析以及两者的耦合等,除了应对这些挑战,未来两者的深度结合还需要在理论指导下的人工智能模型设计、高时空分辨率人工智能预报模型设计以及使用更多新型人工智能技术等方面深入探索。

基于机器学习的恐怖分子预测算法

当今世界恐怖袭击事件频繁发生,通过对嫌疑人进行预测分析,有利于尽早发现新生或者隐藏的恐怖分子并对其进行针对性打击,以减少人员和财产损失。为此,使用机器学习方法,提取恐怖袭击事件的多方面特征,对一个或多个嫌疑人进行预测。采用贝叶斯优化对Bagging、决策树、随机森林和全连接神经网络4种算法进行寻优,将预处理后的数据输入优化后的算法模型对恐怖袭击事件嫌疑人进行预测,以准确率、召回率、精度和F 1值作为指标评价算法性能。实验结果表明,当预测结果仅输出一个嫌疑人时,基于树的算法预测结果普遍较好,其中Bagging算法的预测精度最高为0.911,而全连接神经网络可以得到多个嫌疑人的预测结果,其预测精度为0.8778。

基于卷积神经网络模型中梯度与特征分析的材料性能优化与预测机理研究

材料信息学作为材料领域一种新的研究方法,引起了国内外广泛的关注。随着材料数据的快速增加,机器学习方法也越来越多地被应用在材料数据的分析中,并有望从大量的材料数据中获取具有指导性的材料学规律。采用卷积神经网络模型,使用从材料数据库中收集得到的4000多种材料的数据,对材料的形成能进行预测并得到了较为准确的预测结果。随后对材料特征矩阵的梯度进行分析,发现了梯度与材料性能间有一定的相关性,并可在梯度矩阵的指导下找到具有目标性能的材料特征矩阵分布。最后对卷积神经网络中识别出的特征模式进行了分析,进一步验证了卷积神经网络具有较好的材料性能预测能力。

基于特征选择和机器学习的材料弹性性能预测

利用机器学习方法进行材料性能预测研究,通过运用3种特征选择方法(Filter、RFE、LASSO)和3种机器学习模型(线性回归、岭回归、支持向量回归),从众多多尺度特征集中选择最佳的特征子集来预测无机化合物的弹性性能,归纳了预测材料弹性性能的最有效的、组合了特征选择与机器学习的预测模型,比较了特征选择方法在不同机器学习模型上的表现,分析了利用特征选择方法得到的特征子集.实验结果表明,Filter和SVR组合模型的预测结果最好,机器学习模型比特征选择方法对预测结果的影响更大,特征选择方法选出的特征子集中主要包括熔点、晶体结构、门捷列夫序号等材料特性.文中研究成果可为获得无机化合物弹性性能描述符和进一步开发更有效的材料性能预测方法提供参考.