妊娠期高血压疾病预测分析系统的临床应用

目的：探讨妊娠期高血压疾病预测分析系统在妊娠期高血压疾病中的临床应用情况，观察妊娠期高血压疾病预测阳性患者接受干预性治疗的临床效果。方法应用SD-Ⅱ型妊娠期高血压疾病预测分析系统对江阴市人民医院产科门诊1364例孕20～40周孕妇进行监测，预测阳性者每2周复查1次，预测阴性者每4周复查1次，对预测阳性患者部分进行生活指导和干预性治疗，为干预组，非干预组在出现高血压时再干预，观察两组发生妊娠期高血压的情况。结果有32例患者妊娠期高血压疾病预测阳性，预测阳性组的血管阻力（VAR）（1．59±0．09）、血液黏度（BV）（4．83±0．12）、心排指数（CI）（4．15±0．05）比预测阴性组（VAR＝1．17±0．06，BV＝4．07±0．03，CI＝3．23±0．04）高，差异有统计学意义（F值分别为450．274、1220．253、6013．051，均P＝0．00）。干预组的妊娠期高血压疾病发生率为0（0/16），而非干预组妊娠期高血压疾病发生率为18．75％（3/16），非干预组妊娠期高血压疾病发生率明显高于干预组，但差异无统计学意义（ P＞0．05）。结论妊娠期高血压疾病预测分析系统通过对妊娠期高血压疾病的预测，及时对患者进行生活指导和干预性治疗，对于减少妊娠期高血压疾病的发生发挥了很大的作用。

基于数据驱动的短期风电出力预估–校正预测模型

提高风电出力的预测精度可降低含高渗透率风电电力系统调度、优化、规划等策略的保守性和控制策略的复杂性。该文在分析风电出力历史数据与气象因素关系的基础上,建立了基于风电出力数据驱动的短期风电功率预估–校正预测模型。采用具有较高精度的小波神经网络预测模型实现预估环节,以自适应动态规划作为附加优化结构,利用风电出力实测数据及时更新预估模型中的参数,实现校正环节,使得预估模型能够适应风机在额定风速以下运行区域内多变的运行点。测试结果表明,该方法在风机出力变化频繁时,能获得比BP、GABP预测模型更高的精度。

冰蓄冷空调负荷预测的预估校正模型

为减小冰蓄冷空调系统的运行费用,降低空调系统的能耗,更精准地预测空调冷负荷,提出一种利用小波神经网络实现冰蓄冷空调负荷预测的方法,通过直接启发式动态规划实时优化模型参数,建立冰蓄冷空调系统的预估校正模型,解决传统神经网络预测收敛慢,易陷入局部最优,精度相对低的缺点,保证整个系统的运行稳定性。实验结果表明,该方法在冰蓄冷空调负荷预测中具有较高的准确性和鲁棒性,具有良好的应用价值。