简介：摘要：

简介：摘要多级流模型将复杂系统分解为不同的功能层，相互之间通过完成关系、实现关系和条件关系相连接。本文通过研究MFM中流的基本属性、功能节点分组及MFM的建模方法，建立变电站的MFM模型。

简介：摘要：随着风电机组的大规模并网，机组脱网问题逐渐凸显，对电网的安全稳定运行产生了较大威胁。风能资源是一种清洁、环保、无污染的绿色能源，其具有较大开发利用潜力，能够有效推动我国能源资源的可持续开发。现阶段，国家也越来越重视风电产业的建设与发展，并且出台了一系列政策扶持。在风力发电机组运行过程中，由于风力发电间歇性、不稳定性等特点，易发生风电机组脱网等故障。

简介：摘要甲状腺滤泡性肿瘤是一类缺乏甲状腺乳头状癌核特征的滤泡上皮起源肿瘤，主要包括甲状腺滤泡性腺瘤和甲状腺滤泡状癌。甲状腺滤泡性肿瘤的术前诊断具有一定挑战性。超声、细胞学检查、分子检测等单一地用于评估甲状腺结节良恶性的检查方法，难以将甲状滤泡状癌与其他滤泡性病变区分出来。包括临床特征在内的多因素风险评估诊断预测模型可能有助于甲状腺滤泡状癌的术前鉴别诊断。

简介：目前,语言测评的促学作用得到越来越多的关注,其中包括探究如何利用终结性评价为教学提供有用的反馈信息。本研究依托一项大规模学业质量监测与诊断测试项目,采用认知诊断模型对八年级学生英语阅读能力的优劣势进行了分析,旨在为教学提供更细致的反馈信息。

简介：针对复杂设备故障的复杂性和不确定性等特点，以起重设备为研究对象，提出了一种基于多Agent的混合智能故障诊断模型，并构建了模型的诊断工作过程及每一功能Agent的内部结构和功能。模型根据各子系统并行感知外界环境，动态地组建Agent诊断组，共同完成诊断任务。最后，通过实例验证了模型的有效性。该模型在某企业的设备远程维护平台应用中，能快速、准确地进行故障成因分析，并给出合理的决策意见，提高了设备的安全运行效率。

简介：摘要目的探讨IgA肾病无创早期诊断模型（Nomogram模型）的构建与临床应用价值。方法回顾性收集2010年10月1日至2019年8月31日期间经青岛大学附属医院肾组织病理检查确诊的712例原发性肾小球疾病患者的临床资料，其中IgA肾病241例，非IgA肾病471例。按病例纳入时间分为训练集（n=426，其中IgA肾病156例，非IgA肾病270例）和验证集（n=286，其中IgA肾病85例，非IgA肾病201例）。应用单因素和多因素Logistic回归方程法分析训练集患者IgA肾病诊断的危险因素。根据赤池信息准则（AIC）建立无创诊断IgA肾病的Nomogram模型，并将该模型应用于验证集人群进行验证。采用受试者工作特征曲线（ROC）、校准曲线及决策曲线分析（DCA）验证与评价该模型的区分度、校准度和临床实用价值。结果多因素Logistic回归分析结果显示，原发性肾小球疾病患者的年龄（OR=0.966，95%CI 0.947 ~ 0.985，P=0.001）、IgA/C3比值（OR=1.889，95%CI 1.468 ~ 2.432，P<0.001）、血白蛋白（OR=1.091，95% CI 1.047 ~ 1.136，P<0.001）、血总胆固醇（OR=0.810，95% CI 0.694 ~ 0.946，P=0.008）及肉眼血尿（OR=6.858，95% CI 1.867 ~ 25.189，P=0.004）为IgA肾病诊断的独立危险因素。由上述指标构建Nomogram诊断模型，训练集和验证集的ROC曲线下面积分别为0.880和0.887，校准曲线显示该模型的预测概率与实际概率间的一致性良好，DCA结果表明该模型的安全性及患者的临床净获益较高。结论Nomogram模型诊断IgA肾病的准确度和临床实用性较高，可用于IgA肾病的无创早期诊断。

简介：摘要目的利用多中心数据对本课题组前期单中心大样本的回顾性研究建立的基于多因素逻辑回归的Nomogram模型进行验证及优化。方法回顾性分析国内7家儿童医学中心接受诊治的1 314例新生儿梗阻性黄疸患儿的临床资料。收集患儿的一般资料及术前临床指标，包括性别、体重、直接胆红素(direct bilirubin，DB)、碱性磷酸酶(alkaline phosphatase，ALP)、γ-谷氨酰转肽酶(gamma-glutamyl transferase，GGT)。根据患儿术中胆道造影结果及术后病理学检查结果，将其分为胆道闭锁(biliary atresia，BA)组(BA组)和非BA组，其中BA组1 131例，非BA组183例。另外，在1 314例患儿资料中以其中500例患儿的资料作为模型组，建立优化的、基于多因素逻辑回归的Nomogram模型，余814例患儿资料作为验证组，同时在此次建模的基础上对前期模型及本次优化后的模型进行外部验证。结果采用单因素逻辑回归分析发现，BA组和非BA组在性别、体重、DB和GGT等4个变量上存在显著差异，差异具有统计学意义(P<0.05)，故以此作为预测因子，建立了优化的Nomogram诊断模型，其具有较好的鉴别效能，截断值为0.745，受试者工作特征(receiver operating characteristic，ROC)曲线下面积(area undercurve，AUC)值为0.8 358，灵敏度为80.8%，特异度为71.72%，阳性预测值(positivepredictive value，PPV)为92.55%，优于GGT单项指标的诊断效能。外部验证的结果提示，与前期模型相比，其更稳定，诊断效能更高，灵敏度为81.51%，特异度为90.48%，PPV为98.67%。结论基于多中心的优化Nomogram诊断模型在BA的术前诊断中有更稳定的预测效能，具有很好的临床应用前景，可基于此开发计算工具投入使用，为基层非专科医生提供早期鉴别诊断的新方法。

简介：韩国三星、现代、大宇等集团已跻身世界５００强，但大企业发展不平衡亦难面面俱到，经济整体要求有中小企业弥补缺位，于是韩国政府采取政策法律财力等手段，大力扶持中小企业，然而中小企业仅靠保护伞和输血不足以生存，还需有一套自我完善的机制，韩国中小企业自我诊断...

简介：摘要:铁路运输作为国民经济的大动脉，其运行安全至关重要。面对日益增长的列车流量和复杂运营环境，传统的故障诊断方法已难以满足高效、准确的要求。本研究旨在探索一种基于统计学习的铁路故障诊断新模型，以提升故障检测的精度和效率。统计学习，作为一种强大的数据驱动方法，具备从大量复杂数据中挖掘潜在规律的能力。本文首先综述了铁路故障诊断技术的现状和发展趋势，分析了传统方法的局限性，特别是面对海量列车运行数据时的处理瓶颈。接着，我们详细介绍了统计学习的基本原理和关键算法，包括支持向量机、决策树和随机森林等，这些工具在模式识别和预测分析中表现出了卓越性能。在实际应用中，我们构建了一套基于统计学习的铁路故障诊断系统。该系统通过收集和整理列车运行数据，利用预处理技术清洗和标准化数据，然后应用选择的统计学习模型进行故障特征提取和分类。我们选取了典型的铁路故障案例进行模型训练和验证，结果显示，新模型在故障识别准确率、实时性和鲁棒性方面均优于传统方法。通过对诊断结果的深入分析，我们发现统计学习模型能够有效捕捉故障模式的复杂性，提高了故障诊断的智能化水平。此外，我们还探讨了模型的局限性以及未来可能的改进方向，包括集成学习的运用、模型解释性的增强和数据驱动决策的扩展。综上所述，基于统计学习的铁路故障诊断模型展现出显著优势，为铁路运输的安全保障提供了新的技术支撑。未来，随着大数据和人工智能技术的进一步发展，我们期待这种模型能够更加广泛地应用于铁路运营维护，为铁路运输的持续安全做出更大贡献。

简介：摘要目的构建面部白癜风人工智能诊断模型，实现面部白癜风的人工智能辅助诊断。方法利用白癜风皮损单反相机图像和YOLO（You Only Look Once）v3算法建立皮损目标检测模型Vit3，比较Vit3模型的检测结果与皮肤科医生的标注结果，评价Vit3模型的性能。在Vit3模型的基础上，利用面部皮肤人工智能图像采集器拍摄的白癜风及非白癜风皮损的普通光学和紫外光图像，采用图像处理技术测量紫外光图像上皮损区域的灰度值，通过白癜风/非白癜风皮损灰度值阈值鉴别白癜风和非白癜风，建立面部白癜风诊断模型Vit4，通过Cochran′s Q检验比较Vit4模型与皮肤科医生的诊断结果，评价Vit4模型的诊断性能。结果对于100张白癜风皮损（167处）和100张正常皮肤的单反相机图像，Vit3模型的诊断敏感性为92.81%（155/167）。对于97组（包括50组白癜风、30组白色糠疹、7组无色素痣、10组正常皮肤）面部皮肤图像，Vit4模型的诊断准确率为88.66%（86/97），敏感性为88.00%（44/50），特异性为89.36%（42/47），与皮肤科医生的诊断准确率92.78%（90/97）差异无统计学意义（χ2=2.323，P > 0.05）。结论建立了面部白癜风人工智能诊断模型Vit4，该模型显示出较好的诊断性能，提供了一种较为客观、便捷的面部白癜风辅助诊断方法。

简介：摘要随着我国工业化进程加快脚步，工业对于国民经济的发展已经日益重要。工艺流程中工艺设备是链接流程的枢纽。工艺设备在生产运作中，面临常见的问题就是设备的腐蚀，也是不可避免的问题之一，在日常运作中，工艺设备受到空气、水分、照射等因素，在表面或内部发生化学反应，随着时间的延长设备会出现损耗或者是破坏的状况。受到腐蚀的设备，会在其表面发生色泽、外形的变化，在内部也会受到侵蚀、氧化、生锈等变化，这些腐蚀后的设备在使用过程中，会影响设备的正常使用，也会给相关的企业带来一定的损失。所以，对于工艺设备腐蚀防护诊断研究意义重大。本文就工艺设备腐蚀的防护以及对工艺流程优化进行研究和探讨。

简介：摘要：工程领域中，振动信号的应用遍及各个层面，核心涵盖故障辨识及预测性维护两大领域。本研究旨在探索振动信号特征提取与故障诊断模型的构建策略。探究振动信号的时频属性，频次、幅度及相位等特性参数的提取过程。运用机器学习算法搭建故障诊断平台，运用交叉验证方法对模型进行评估与优化。实验结果表明该方法具备优异的效果和广泛的适用性，工程领域故障诊断创新策略与应用。振动信号中所包含的数据成为研究重点，运用现代科技构建高效故障诊断机制，目的在于提高工程设备故障诊断的准确性与效率，因此，提升设备运行的稳定性与安全性至关重要。

简介：摘要：本文研究了利用机器学习技术优化马匹疾病快速诊断模型的方法。首先，通过收集国内外马匹疾病诊断数据，并进行预处理和特征选择，构建了一个适用于机器学习算法的数据集。接着，基于该数据集，选择了多种机器学习分类算法进行模型训练，并通过评估指标和验证方法对模型性能进行了全面评估。为了进一步提升模型的诊断准确率，本文采用了参数调优、交叉验证以及集成学习等优化策略，对模型进行了优化。实验结果表明，优化后的模型在马匹疾病快速诊断方面具有较高的准确率和鲁棒性，为马匹疾病的早期发现和治疗提供了有效的技术支持。最后，本文总结了研究成果，分析了研究的局限性和不足，并对未来研究方向和应用前景进行了展望。

简介：摘要：工业企业能效服务是面向工业企业开展的公益性能效诊断服务。针对当前工业企业节能诊断与能效分析缺乏相关评估方法的问题，提出一种工业企业能效诊断模型评估方法，对工业企业能源管理水平、节能改造措施、用电能效水平、通用能源系统能效、能源资源利用五个维度进行综合诊断评定，挖掘企业节能潜力，最终达到节能降碳应用效果。本文以浙江省工业企业线上诊断为例进行应用分析，验证了该模型在实际应用中为企业节能降碳的有效性。

简介：摘要目的建立适用于广州市成人特发性膜性肾病患者的非侵入式诊断模型，并验证模型诊断效能。方法收集2016年1月至2018年4月于广东省中医院进行肾脏穿刺活检的病例124例（年龄范围为15～82岁，男性70例，女性54例），收集确诊患者的血清学检验结果，包括抗磷脂酶A2受体抗体（PLA2R）、血肌酐（Cr）、血尿素（UREA）、免疫球蛋白（Ig）G、IgM、IgA、24 h尿蛋白总量、尿酸（UA）。用二元logistic回归方法对血清学结果与病理诊断结果进行回归分析，建立诊断模型。随机选取20例为模型诊断效能验证，其余104例用于建立诊断模型。结果（1）分析建立的诊断模型为：lnP/（1-P）=-3.704-0.015×PLA2R+0.030×Cr-0.134×UREA+0.046×IgG+0.547×IgA+0.001×UA，回归分析病例拟合总体符合率为85.2%，显著性为0.033，说明模型建立差异有统计学意义。受试者工作特征曲线（ROC）中的最佳截断点（cut-off值）的特异度为0.841，灵敏度为0.891。（2）在20例验证病例中与临床病理学诊断结果一致病例数为14例，病例验证符合率为70.0%。结论针对成人特发性模型肾病建立了一个有效的非侵入式诊断模型，有效减少该类患者的肾脏穿刺需求。

简介：该文提出一种基于多Agent的可重构能力强、实时性好、智能程度高、便于实际应用的分布式智能故障诊断系统模型,并详细阐述该模型诊断工作过程。模型根据汽车起重机各子系统并行感知故障的情况,动态地组建Agent诊断组,共同完成诊断任务。在某工程机械企业的远程监控与维护系统应用中,该模型能快速、准确地进行故障成因分析,给出合理的决策意见,取得了与专家相似的诊断结果,提高了企业的安全运行效率。

简介：为早期诊断川崎痛,应用BP神经网络原理建立川崎病的诊断模型.以156例川崎病与非川崎病患者的体温、皮疹、口腔黏膜改变、实验室检查结果等9项指标等作为BP神经网络的输入参数,在MATLAB7程序中对其中随机抽取的90例学习样本进行训练并建模.以剩余的66例作为测试样本进行预测,结果表明该模型对川崎病和非川崎病的预测准确率分别为97.4％、92.9％,提示此模型可有效地判别出川崎病与非川崎病,可用于川崎病的早期辅助诊断.

简介：摘要本文主要针对变电站集控中心故障诊断模型展开分析，研究了变电站集控中心故障诊断模型的内容以及模型的关键点，阐述了应用的要求和措施，可供今后变电站集控中心故障诊断模型研究和应用参考。

简介：摘要：现如今，我国的科技在不断的发展，社会在不断的进步，我国的空调技术在不断的发展进步，以 CＲ H380B(L)型动车组为研究对象，对其客室空调系统制冷循环和制冷机理进行了分析，在基于空调压缩机系统高、低压数据的基础上建立了空调制冷剂不足故障诊断模型，并运用检修历史数据对模型进行了验证。结果表明，该诊断模型能够充分有效地对空调制冷系统存在的制冷剂不足故障进行诊断，大大降低了动车组上线时空调故障发生率，有效保证动车组的有序运行，同时对空调系统的检修维护工作具有重要的指导意义。