基于图转换和迁移学习的低压配电网户变关系和相位识别方法

为进一步提高低压配电网户变关系和相位识别的准确性,提出一种基于图转换和迁移学习的低压配电网户变关系和相位识别方法。首先,引入了基于格拉姆角场的图转换方法实现用电数据的二维化,以更好地发现一维时序用电数据间的差异性;然后,针对低压配电网用户数据稀缺、获取途径有限、样本数量较少等问题,基于迁移学习利用预训练好的参数权重,构建了适合户变关系和相位识别的深度学习模型。通过实验验证,所提模型在户变关系识别和相位识别中的准确率较主流方法均有所提升,拥有更好的稳定性。

衍生化环糊精键合固定相色谱保留和手性识别机理的研究(Ⅱ)

合成了苯基氨基甲酸酯衍生化β-环糊精键合固定相 CSP1和 CSP2 ,在正相色谱条件下 ,一系列α-氨基膦酸酯化合物首次在这类衍生化 β-环糊精固定相上实现了手性拆分 .探索运用定量结构 -对映异构体选择性保留关系的方法 ,将对映异构体的色谱保留和溶质分子描述参数进行相关性联系建立定量方程 ,对比研究了该类苯基氨基甲酸酯衍生化

衍生化环糊精键合固定相色谱保留和手性识别机理的研究(Ⅰ)

合成了苯基氨基甲酸酯衍生化 β-环糊精键合固定相 ,1 4个 α-氨基膦酸酯类化合物首次在该固定相和商品化的 ( S) -( +) -萘乙基氨基甲酸酯衍生化β-环糊精固定相上进行液相色谱手性拆分 .通过定量结构

5-芳基乙内酰脲类化合物QSERR研究

用多元线性回归分析对50个在Pirkle型手性固定相色谱柱上手性拆分的乙内酰脲类化合物进行了QSRR(quantitativestructure-rententionrelationship)和QSERR(quantitative-structureenantioselectiverententionrelation-ship)研究.所选的2D和3D描述参数由分子力学和量子化学计算得到.回归结果表明,R和S异构体与识别剂的相互作用的确存在差异.这些方程不仅有助于推测被识别剂和识别剂之间的结合方式,还可以定量的预测结构相近的类似物的拆分可能性,为设计合成新的识别剂和被识别剂都提供了一定的理论依据.

Study on Retention in Liquid Chromatography

After joining the faculty at Toyohashi University of Technology (TUT) in 1978, the author has found two areas in separation sciences where microcolumn liquid chromatography (micro LC) can be beneficial One is the hyphenated techniques between many spectroscopic methods such as mass (MS), infrared (FT IR) and atomic emission (ICP), and micro LC The other one is rather difficult, but basic and theoretical approach which deals with retention mechanism in LC The latter project has especially been giving him a lot of scientific funs and honors in the last 20 years On the occasion of being awarded by The Society for Chromatographic Sciences the author would like to summarize his contributions to this topic which asks us "What Is Chromatographic Retention?