-
公开(公告)号：CN116864032A
公开(公告)日：2023-10-10
申请号：CN202310899643.3
申请日：2023-07-21
Applicant: 南京大学 , 南京大学宜兴环保研究院 , 重庆大学
Abstract: 本发明公开了一种判断图神经网络模型中子结构活性的方法及系统，该方法首先在图神经网络模型中匹配含有第一子结构的所有化合物的集合，提取在所述化合物中含有该第一子结构的第二子结构集合，然后利用所述图神经网络模型计算每个第二子结构的活性或毒性预测值，以及每个第二子结构掩蔽第一子结构的活性或毒性预测值；计算第一子结构对于每个化合物的活性的贡献值；最后将所有贡献值的均值与阈值比较，判断所述第一子结构在所述图神经网络模型中是否为活性子结构；本发明在图神经网络模型中进一步探究结构‑活性关系，提供模型可解释性，深化领域理解，且计算结果准确可信，对推动图神经网络模型在化学、药物计算学等领域的应用有重要意义。
-
公开(公告)号：CN116535018A
公开(公告)日：2023-08-04
申请号：CN202310750056.8
申请日：2023-06-25
Applicant: 南京大学 , 南京大学宜兴环保研究院 , 重庆大学
Abstract: 本发明公开了一种基于可见光催化与生物降解近场耦合的污水处理工艺，包括以下步骤：(1)制备可见光催化与生物降解的耦合体系；(2)构建近场耦合反应器；(3)在近场耦合反应器中进行污水的降解处理。本发明通过可见光催化材料在光激发下产生的活性物种将污水中的难降解有机污染物转化为易生物降解的中间产物，中间产物被微生物进一步降解矿化，光催化和生物降解在近场耦合反应器中同时同步进行，在去除污染物的同时，能够同步削减毒性。本发明解决了现有技术中生物处理降解效率低，高级氧化处理毒性削减效果差，而高级氧化串联生物处理会导致高级氧化产生生物抑制性产物，从而抑制后续生物处理的技术问题。
-
公开(公告)号：CN119380860A
公开(公告)日：2025-01-28
申请号：CN202411625511.2
申请日：2024-11-14
Abstract: 本发明公开了一种中性有机化学品迁移能力评估方法及系统，所述评估方法包括建立迁移能力评估数据源，并基于评估数据源构建中性有机化学品有机碳归一化吸附系数KOC预测模型；基于有机碳归一化吸附系数KOC值构建连续性迁移能力评估指标M，根据M的评估限值评估该中性有机化学品的迁移能力；待评估化学品分类及迁移能力评估。本发明能够体现中性有机物质的迁移能力大小且提高评估准确性。
-
公开(公告)号：CN115309719A
公开(公告)日：2022-11-08
申请号：CN202111012597.8
申请日：2021-08-31
Applicant: 南京大学宜兴环保研究院
IPC: G06F16/21 , G06F16/23 , G06F16/2455 , G06F16/25 , G06F16/28
Abstract: 本发明公开了一种污水中高风险污染物及其毒性数据库的构建方法，其特征在于，包括：数据库框架与数据收集；数据库平台搭建；数据检索与溯源；数据挖掘与智慧决策；以及可视化报告构建。本发明还公开了上述数据库的构建系统，包括：数据库框架与数据收集模块；数据库平台搭建模块；数据检索与溯源模块；数据挖掘与智慧决策模块；以及可视化报告构建模块。本发明通过将高风险污染物在污水厂的污染水平、沿工艺单元的迁移规律、工艺单元处理效率以及生物毒性等方面的信息整合到数据库中，基于机器学习模型识别污水关键毒性，优先高效处理工艺，并将检索结果以可视化报告的方式呈现，为污水高风险污染物风险防控，保障再生水安全回用提供支撑。
-
公开(公告)号：CN107884490B
公开(公告)日：2020-03-10
申请号：CN201711083232.8
申请日：2017-11-07
Applicant: 南京大学
Abstract: 本发明公开了一种同时检测环境水体中多种孕激素的方法，属于环境中有机物分析领域，包括水样预处理、新型固相萃取吸附剂Oasis PRiME HLB富集浓缩、UPLC‑MS/MS测定孕激素浓度、标准曲线的绘制及上机测定五个步骤，采用新型固相萃取吸附剂Oasis PRiME HLB作为环境水样的预处理技术，既提高了对待测物的选择性，也大大增加了富集倍数和降低了基质效应，并且以超高液相‑质谱连用仪为检测定量工具，同时测定了水环境中11种不同孕激素，与普通的检测方式相比，实现了对孕激素的高选择性和高灵敏度的有效结合，且具有分析速度快、使用范围广等优点。
-
Patent Agency Ranking
公开(公告)号：CN108251410A
公开(公告)日：2018-07-06
申请号：CN201810070588.6
申请日：2018-01-24
Applicant: 南京大学
Abstract: 本发明公开了一种包埋气凝胶的固定化微生物制备方法，属于固定化微生物技术与环境功能复合材料制备领域，所述制备方法为：将单体甲基丙烯酸羟乙酯、N‑羟甲基丙烯酰胺、聚丙烯酰胺和已二酸二异癸酯按照比例混合，经过一系列处理制成气凝胶；将制成的气凝胶和菌液按比例混合培养，将负载细菌的气凝胶与混合液混合，混合混匀后将气凝胶转移到饱和的氯化钙溶液中交联，硬化后用无菌水清洗固定化小球表面，制成包埋的气凝胶固定化小球。本发明制成的包埋的气凝胶固定化微生物小球比表面积大、传质性能好，稳定性强，机械强度高和成本低等优点，在环境污染修复方面具有广泛的应用前景。
-
公开(公告)号：CN119294389A
公开(公告)日：2025-01-10
申请号：CN202411527705.9
申请日：2024-10-30
IPC: G06F40/258 , G06F16/353 , G06F40/289 , G06F16/34 , G06F16/31 , G06F40/216
Abstract: 本发明公开了一种文本数据驱动的标准体系框架构建方法及系统，该方法从报告、文献、专利、案例及标准五类文本中利用LDA模型识别出t个主题并映射为标准体系的一级子体系；计算各主题的主题词归类至该主题下的共现关系，根据共现关系利用共现网络分析法，识别出m个子聚类并映射为标准体系的二级子体系；最后根据一级子体系和二级子体系构建标准体系框架。“规划设计‑科学研究‑技术发明‑实际应用‑标准制定”全链条文本数据的输入保证标准体系框架具备完整性和前瞻性，LDA主题模型和主题词共现网络的联合使用保证标准体系框架具备客观性和层次性。
-
公开(公告)号：CN112397137B
公开(公告)日：2024-02-09
申请号：CN202011172585.7
申请日：2020-10-28
Applicant: 南京大学
IPC: G16B5/00 , G16C10/00 , C02F3/34 , C02F101/30
Abstract: 具有现实意义。本发明公开了一种污水中有机微污染物浓度变化规律的预测模型及预测方法，属于污水处理技术领域，所述预测模型是利用污水厂活性污泥处理段的运行参数、进水中的组分浓度、动力学参数和化学计量数建立的ASM‑OMPs预测模型，可解决在实际污水处理过程中有机微污染物定量费时费力，浓度变化规律难以预测的问题。所述预测方法为：(1)确定反应体系中涉及的关键组分和过程，构建ASM‑OMPs预测模型的矩阵网络；(2)测定污水组分，初始化ASM‑OMPs预测模型；(3)对ASM‑OMPs预测模型参数进行灵敏度分析和校准；(4)优化ASM‑OMPs预测模型并预测一(56)对比文件Saeed, T，等.The removal of nitrogenand organics in vertical flow wetlandreactors: Predictive models.BIORESOURCETECHNOLOGY.2011,第102卷(第02期),第1205-1213页.柳蒙蒙，等.面向寒冷地区城镇污水处理厂提标改造的ASM模拟优化及其应用.环境工程学报.2019,第14卷(第04期),第1119-1128页.潘继征，等.微曝气垂直流湿地污染物去除动力学模型分析.环境科学.2010,(第11期),第2633-2638页.
-
公开(公告)号：CN112397137A
公开(公告)日：2021-02-23
申请号：CN202011172585.7
申请日：2020-10-28
Applicant: 南京大学
IPC: G16B5/00 , G16C10/00 , C02F3/34 , C02F101/30
Abstract: 本发明公开了一种污水中有机微污染物浓度变化规律的预测模型及预测方法，属于污水处理技术领域，所述预测模型是利用污水厂活性污泥处理段的运行参数、进水中的组分浓度、动力学参数和化学计量数建立的ASM‑OMPs预测模型，可解决在实际污水处理过程中有机微污染物定量费时费力，浓度变化规律难以预测的问题。所述预测方法为：(1)确定反应体系中涉及的关键组分和过程，构建ASM‑OMPs预测模型的矩阵网络；(2)测定污水组分，初始化ASM‑OMPs预测模型；(3)对ASM‑OMPs预测模型参数进行灵敏度分析和校准；(4)优化ASM‑OMPs预测模型并预测一定时间范围内污水中有机微污染物浓度的连续变化规律。本发明的预测方法具有快速预测、准确定量、操作简便等优点，对解决污水水质问题具有现实意义。
-
公开(公告)号：CN116522098A
公开(公告)日：2023-08-01
申请号：CN202310310884.X
申请日：2023-03-28
Applicant: 南京大学
Abstract: 本发明公开了一种判断分类任务深度学习模型预测结果可靠性的方法，对于预测样本，通过神经网络模型最后一层神经网络信息找到与其相似性最高的训练集样本，并根据相似性最高的训练集样本是否位于分类边界来判断模型对预测样本的预测结果是否可靠。本发明可以解决在分类任务深度学习模型预测过程中，预测结果可靠性未知导致深度学习模型难以被认可并应用的局限性。本发明的判断分类任务深度学习模型预测结果可靠性的方法准确可信、简单易行且便于理解，对于提升分类任务深度学习模型适用性具有重要意义。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.011 seconds)
