关键词： 经典名方   一贯煎   基准样品   指纹图谱   聚类分析   主成分分析   正交偏最小二判别  

摘要： 目的:通过制备15批一贯煎基准样品冻干粉,建立一贯煎基准样品HPLC指纹图谱,为该经典名方的质量控制及评价提供参考。方法:采用Venusil C_(18)色谱柱(250 mm×4.6 mm,5μm),以甲醇(A)-0.1%磷酸水(B)为流动相梯度洗脱,建立15批一贯煎基准样品的HPLC指纹图谱,应用“中药色谱指纹图谱相似度评价系统”软件(2012版)进行相似度分析,并对共有峰进行归属。采用聚类分析(HCA),主成分分析(PCA)及正交偏最小二乘法-判别分析(OPLS-DA)对指纹图谱数据进行评价。结果:15批一贯煎基准样品与对照指纹图谱的相似度均≥0.771,共标定了31个共有峰,指认出了色谱峰11、20、23、25、26、30、31,分别为香草酸、阿魏酸、毛蕊花糖苷、异类叶升麻苷、补骨脂素、欧前胡素和蒿本内酯共7个成分;其中峰2、5~8、10、13、16~19、24、27归属于枸杞子,峰1、20、30、31归属于当归,峰21~23、25、28归属于生地黄,峰3归属于枸杞子和麦冬,峰4、29归属于枸杞子和生地黄,峰9归属于当归和沙参,峰11、12、14、15、26归属于枸杞子和当归,HCA、PCA及OPLS-DA可将15批基准样品大致分为2类。结论:建立的一贯煎HPLC指纹图谱方法专属性强,分离度好,灵敏度高,除川楝子药味以外均有表征,可为该方剂复方制剂的质量控制与评价提供参考。

关键词： 铁路路基   模式识别   道砟   离散元  

摘要： 颗粒形状是影响铁路道砟力学特性的重要因素,考虑颗粒形状是进行真实铁路道砟力学特性数值模拟研究的首要问题。本文基于模式识别技术,开发了一种颗粒提取技术,进而能够从复杂的原始道砟图像中自动识别出道砟轮廓。该技术为道砟颗粒的形状评估奠定了基础。在对道砟颗粒进行统计形状分析的基础上,建立了道砟颗粒的几何形状库。最后,基于所提出的道砟颗粒形状库和离散元方法,对真实形状的道砟颗粒进行了双轴压缩试验,研究了道砟颗粒细长度对其力学特性的影响。

关键词： 微震信号   爆破信号   信号识别   模式识别   互补集合经验模态分解   Hilbert-Huang变换   拉普拉斯得分  

摘要： 针对矿山微震与爆破信号难以识别问题,提出基于改进Hilbert-Huang变换(HHT)的矿山微震信号识别方法。该方法引入互补集合经验模态分解(CEEMD)对HHT改进,信号被自适应分解后,计算IMF分量的偏度、峭度、Hilbert边际谱能量、Lempel-Ziv复杂度以及重构信号的分形盒维数,运用拉普拉斯得分(LS)对5种时频域特征参数降维,最后通过遗传算法(GA)优化的支持向量机(SVM)模型,实现微震信号的分类识别。经400组微震和爆破信号的实例分析验证,两类信号的5种特征参数均有较大差异,改进HHT法识别效果优于传统经验模态分解法(EMD)和局部均值分解法(LMD),且基于改进HHT和GA-SVM分类模型准确率达到95%,证实了此识别方法的准确性。

关键词： 杜仲   盐炙   HPLC指纹图谱   化学模式识别  

摘要： 目的建立杜仲及盐杜仲的HPLC指纹图谱,利用化学模式识别分析判别生杜仲和盐杜仲,寻找杜仲盐炙前后差异性特征成分。方法对杜仲及盐杜仲采用Agilent ZORBAX-Extend-C_(18)色谱柱(4.6 mm×250 mm,5μm),流动相甲醇-0.1%磷酸,梯度洗脱;柱温35℃;体积流量1.0 mL/min;检测波长230 nm;进样量10μL。通过聚类分析(HCA)、主成分分析(PCA)和正交偏最小二乘法-判别分析(OPLS-DA)对杜仲和盐杜仲进行比较与识别。结果建立了10批生杜仲及10批盐杜仲的HPLC-DAD指纹图谱,共标定23个共有峰,经对照品比对,指认出10个成分,分别为京尼平苷酸、绿原酸、咖啡酸、紫丁香苷、京尼平苷、京尼平、松脂醇二葡萄糖苷、中脂素二葡萄糖苷、金丝桃苷和芦丁。通过HCA、PCA、OPLS-DA化学模式识别方法可明显将杜仲生品和盐炙品分为2类,筛选出京尼平苷酸、咖啡酸、京尼平、金丝桃苷等7个成分可能是杜仲盐炙前后的差异性特征成分。结论建立的指纹图谱方法准确度高,重复性好,结合化学模式识别可用于杜仲盐炙前后差异分析。

关键词： 地震前兆   预处理   Deep learning   地震  

摘要： 地震预测已经成为人类面临的一项非常重要和具有挑战性的任务。传统的地震预测是通过提取不同的测震学指标,将样本空间映射到特征空间,进而构建预测模型对未来的地震发生趋势进行研判。近年来,Deep learning技术通过对海量样本的学习,自动提取其内在特征,构建训练模型,其已经在时间序列,图像分析等领域发挥了重要的作用。因此,本文将Deep learning技术引入地震时间序列的分析,通过对地震历史数据的学习,利用卷积神经网络发现并提取能够反映数据内在特征的内在指标,并将这些内在指标与传统的地震学指标相结合,构建一种基于Deep learning的地震预测模型。通过对华东的历史数据分析,验证了本文所提模型的有效性,并利用该模型对上述区域未来地震发生趋势进行分析和研判,并给出了相关的结论。

关键词： 高压直流气体绝缘输电线路   故障诊断   模式识别   空间灰度相关法   广义判别成分分析  

摘要： 不同类型的绝缘缺陷具有不同的故障演变规律而且对绝缘材料老化的影响规律不同,对绝缘缺陷类型进行模式识别来实施故障诊断,有助于高压直流气体绝缘输电线路的长期稳定运行。通过搭建一套220 kV的实验平台及制造4种包含不同位置尺寸的绝缘缺陷,使用逐步升压法成功测得180828个脉冲电流信号共540个样本点。通过提取每次局部放电(partial discharge,PD)的放电时刻和视在放电量,对每个样本点使用空间灰度相关法提取了432种PD特征;进而基于广义判别成分分析及其核化形式的改进监督型子空间投影技术,对4种缺陷类型可以进行全部成功识别,解决了相位分布模式在直流情况下无法使用的难题。

关键词： 蒲公英   指纹图谱   单咖啡酰酒石酸   绿原酸   咖啡酸   阿魏酸   菊苣酸   化学模式识别   质量评价  

摘要： 目的 建立蒲公英的HPLC指纹图谱及多成分含量测定方法,优化指纹图谱测定条件,结合化学模式识别法对不同产地蒲公英进行质量评价,为蒲公英质量控制提供参考。方法 采用Box-Behnken响应面分析法优化蒲公英主要有效成分的制备工艺。采用Mars ODS-AQ色谱柱(250 mm×4.6 mm,5μm);以甲醇-0.2%磷酸水溶液(35∶65)为流动相,等梯度洗脱;体积流量为1 mL/min;检测波长323 nm;进样量10μL;柱温30℃;检测时间为12 min;对10个不同产地的30批蒲公英建立HPLC指纹图谱,并对5个成分含量进行测定,通过相似度评价、聚类分析及主成分分析对蒲公英质量进行评价。结果 蒲公英主要有效成分的最佳制备工艺为料液比1∶55、甲醇体积分数72%、超声温度80℃、超声时间79 min,在此条件下OD值为0.93。建立了蒲公英HPLC指纹图谱,30批蒲公英的相似度在0.647~0.980,标定6个共有峰,指认出5个色谱峰。单咖啡酰酒石酸、绿原酸、咖啡酸、阿魏酸、菊苣酸质量分数分别为0.426%~1.856%、0.007%~0.117%、0.023%~0.101%、0.003%~0.025%、0.311%~1.412%。聚类分析将10个产地的蒲公英分为4类,主成分分析结果表明哈尔滨和沈阳产地的质量较优,并确定单咖啡酰酒石酸、绿原酸、咖啡酸和菊苣酸可作为蒲公英质量评价的主要指标。结论 确定了蒲公英主要有效成分最佳制备工艺,提取率远高于药典方法。建立的蒲公英指纹图谱结合多成分含量测定及化学模式识别法准确、高效、全面地评价蒲公英质量,为蒲公英的质量控制提供依据。

关键词： 气体绝缘组合电器   局部放电   模式识别   电磁模  

摘要： 特高频(UHF)法局部放电检测已经成为高压GIS及变压器等设备常用的运维检测手段,但由于该方法是通过测量电磁波间接检测局部放电强度,使得基于该方法的局部放电模式识别技术准确率不高,而且一直没有得到很好的解决。本文引入TE_( m1)模截止频率作为PD UHF信号时频分布图的分割依据,对单一绝缘缺陷激发的PD UHF信号进行预处理、时频分布图分割、特征参数提取和选择以及PSO-ELM识别等操作,最终可准确判断出PD信号类型,提高GIS绝缘缺陷类型的识别准确率。这种分割方法增强了图谱特征的空间分布信息,对改善特高频法识别局部放电的准确率具有实际应用价值。

关键词： 白花蛇舌草   生长阶段   高效液相色谱法   指纹图谱   多成分分析   正交偏最小二乘判别分析法  

摘要： 目的建立生长期、开花期、结果期3个生长阶段白花蛇舌草的高效液相色谱(HPLC)指纹图谱,并结合化学模式识别技术评价其质量。方法色谱柱为Shiseido Capcell Pak MG CⅡ-C_(18)柱(250 mm×4.6 mm,5μm),流动相为乙腈-0.15%醋酸溶液(梯度洗脱),流速为0.9 mL/min,检测波长为238 nm(去乙酰车叶草酸酐和车叶草苷)、306 nm(4-香豆酸)、323 nm(阿魏酸)、369 nm(槲皮素、芦丁及山柰酚),柱温为30℃,进样量为10μL;并采用SPSS 24.0统计学软件和SIMCA 16.0软件对HPLC指纹图谱进行主成分分析(PCA)和正交偏最小二乘判别分析(OPLS-DA)。结果HPLC指纹图谱共标定出白花蛇舌草的17个共有峰,并指认出7个色谱峰。PCA结果显示,白花蛇舌草3个生长阶段的综合质量排序为结果期>开花期>生长期。OPLS-DA模型可将3个生长阶段的样品进行分类,并筛选出导致不同生长阶段含量差异的6个标志物,分别为峰13、峰12(阿魏酸)、峰4、峰16(槲皮素)、峰3(去乙酰车叶草酸酐)、峰17(山柰酚)。结论HPLC指纹图谱结合化学模式识别技术可反映白花蛇舌草不同生长阶段含量的差异,为其采收和质量评价提供参考。

关键词： 内聚耦合   科研团队   科研合作模式   量化指标   模式对比  

摘要： 【目的/意义】识别科研合作模式并对比分析不同模式所具有的异质性特点和规律,有利于丰富科研合作模式识别方法,进而推动科研合作的高质量发展。【方法/过程】本文基于内聚耦合视角,从科研团队的内部合作与外部合作两个维度来识别科研合作模式,由此划分为低内聚低耦合模式、高内聚低耦合模式、低内聚高耦合模式以及高内聚高耦合模式四种科研合作模式,并从网络指标、研究绩效、优化路径三个维度对比分析了不同科研合作模式所具有的差异性特征。【结果/结论】结果发现,高内聚低耦合模式更有利于科研人员在“小圈子内”进行学术交流和知识共享;高内聚高耦合模式更有利于提高团队研究绩效和个人研究绩效;此外,可通过两条优化路径实现科研合作模式的优化发展。【创新/局限】基于科研团队的内外部合作,提出科研团队“内聚与耦合”合作模式的识别方法和识别过程,但合作模式的细粒度探究仍需在后续研究中进一步挖掘。