-
公开(公告)号：CN118775301A
公开(公告)日：2024-10-15
申请号：CN202411127052.5
申请日：2024-08-16
Applicant: 扬州大学
Abstract: 本发明公开了城市排涝泵站监测装置技术领域的一种城市排涝泵站机组投运决策方法，在机组振动、温度这两个状态量劣化判断的基础上，结合软起动装置状态和水热泵保护状态进行水泵机组健康状态的实时评价，再根据水泵机组的健康状态、运行时长、启停次数、进水池水位及其变化速率进行多信息融合做出投运决策，确定开机数量、机组编号和开机顺序等开机方案。相比于传统的PLC或人工机组投运的监控方式，本发明可以及时识别机组的健康状态，确保排涝需要时能及时开机、按需开机，均衡不同机组的启停频率和运行时间，并能够在发生异常的情况下及时报警或者预警，确保泵站的安全经济运行，可以有效缓解传统运行模式存在的问题。
-
公开(公告)号：CN118725021A
公开(公告)日：2024-10-01
申请号：CN202410687898.8
申请日：2024-05-30
Applicant: 扬州大学
Abstract: 本发明涉及一种环二肽化合物的制备方法及其在治疗帕金森病中的应用。本发明从牡蛎共生真菌M.lutea ML‑1中分离得到4个环二肽化合物(1～4)，其中Cyclo(L‑Pro‑D‑Leu)能显著减轻6‑OHDA诱导BZ555线虫DA能神经元的损伤，并一定程度恢复6‑OHDA诱导BZ555线虫的食物感知能力，是极具潜力的抗PD先导化合物，在帕金森病治疗方面应用前景良好。
-
Patent Agency Ranking
公开(公告)号：CN113029994B
公开(公告)日：2023-03-24
申请号：CN202110345957.X
申请日：2021-03-31
Applicant: 扬州大学
Abstract: 本发明公开了一种基于胞外有机物多源特征光谱的水体微囊藻毒素浓度反演方法。该方法以叶绿素a浓度表示产毒藻浓度，先建立基于胞外有机物多源特征光谱的叶绿素a归一化反演模型，再计算得到水体微囊藻毒素浓度。测量铜绿微囊藻胞外有机物的三维荧光光谱和紫外‑可见吸收光谱，对特征波长进行提取，融合二者得到多源融合特征光谱信息。利用支持向量机算法，基于胞外有机物多源融合特征光谱构建叶绿素a归一化的微囊藻毒素浓度反演模型，再根据叶绿素a浓度计算水体微囊藻毒素浓度。结合现有的环境光学在线测量技术，该方法可以实现水体微囊藻毒素浓度的实时在线监测，预防突发性的饮用水安全事故，保障饮用水安全。
-
公开(公告)号：CN113029994A
公开(公告)日：2021-06-25
申请号：CN202110345957.X
申请日：2021-03-31
Applicant: 扬州大学
Abstract: 本发明公开了一种基于胞外有机物多源特征光谱的水体微囊藻毒素浓度反演方法。该方法以叶绿素a浓度表示产毒藻浓度，先建立基于胞外有机物多源特征光谱的叶绿素a归一化反演模型，再计算得到水体微囊藻毒素浓度。测量铜绿微囊藻胞外有机物的三维荧光光谱和紫外‑可见吸收光谱，对特征波长进行提取，融合二者得到多源融合特征光谱信息。利用支持向量机算法，基于胞外有机物多源融合特征光谱构建叶绿素a归一化的微囊藻毒素浓度反演模型，再根据叶绿素a浓度计算水体微囊藻毒素浓度。结合现有的环境光学在线测量技术，该方法可以实现水体微囊藻毒素浓度的实时在线监测，预防突发性的饮用水安全事故，保障饮用水安全。
-
公开(公告)号：CN110186886A
公开(公告)日：2019-08-30
申请号：CN201910456816.8
申请日：2019-05-29
Applicant: 扬州大学
IPC: G01N21/64
Abstract: 本发明公开了水体中微囊藻毒素MC-LR浓度的反演方法，包括：以水样中铜绿微囊藻胞外有机物归一化的特征荧光峰强度作为自变量，水样中归一化的微囊藻毒素MC-LR浓度为因变量构建一元线性反演方程，其中，特征荧光峰强度和微囊藻毒素MC-LR浓度均以水样中叶绿素a浓度进行归一化处理；取待检测的水样，测量水样中铜绿微囊藻胞外有机物的三维激发发射矩阵荧光光谱，获得铜绿微囊藻胞外有机物的特征荧光峰强度，然后代入一元线性反演方程中，获得微囊藻毒素MC-LR的浓度。本方法无需样品前处理，可实现微囊藻毒素MC-LR浓度的快速在线监测，以铜绿微囊藻胞外有机物特征荧光峰强度作为构建方程的变量，为反演方法提供了新的思路。
-
公开(公告)号：CN117875500A
公开(公告)日：2024-04-12
申请号：CN202410048493.X
申请日：2024-01-12
Applicant: 扬州大学
Abstract: 本发明公开了一种基于人工智能的智能防汛预警方法及平台，涉及防汛预警技术领域，包括以下步骤：S1、收集指定地区的气象数据、水文数据、地理信息数据，进行整合数据，并对数据进行预处理，从预处理后的数据中提取降雨量、水位变化、地形特征；S2、使用机器学习算法对历史数据进行训练，通过学习历史数据中的模式与规律，通过收集、整合和分析气象数据、水文数据和地理信息数据，利用机器学习算法对历史数据进行训练，建立预警系统和预测模型，实现对洪水风险的实时监测和预测，并通过人工智能算法的实时分析，进行判断当前地区是否存在洪水风险，并提供相应的预警信息，同时，通过建立防汛平台，实时展示地区的气象和水文情况以及预警信息。
-
公开(公告)号：CN110186886B
公开(公告)日：2022-02-11
申请号：CN201910456816.8
申请日：2019-05-29
Applicant: 扬州大学
IPC: G01N21/64
Abstract: 本发明公开了水体中微囊藻毒素MC‑LR浓度的反演方法，包括：以水样中铜绿微囊藻胞外有机物归一化的特征荧光峰强度作为自变量，水样中归一化的微囊藻毒素MC‑LR浓度为因变量构建一元线性反演方程，其中，特征荧光峰强度和微囊藻毒素MC‑LR浓度均以水样中叶绿素a浓度进行归一化处理；取待检测的水样，测量水样中铜绿微囊藻胞外有机物的三维激发发射矩阵荧光光谱，获得铜绿微囊藻胞外有机物的特征荧光峰强度，然后代入一元线性反演方程中，获得微囊藻毒素MC‑LR的浓度。本方法无需样品前处理，可实现微囊藻毒素MC‑LR浓度的快速在线监测，以铜绿微囊藻胞外有机物特征荧光峰强度作为构建方程的变量，为反演方法提供了新的思路。
-
-
-
-
-
-
Search Results
7
records
(took 0.018 seconds)
