-
公开(公告)号：CN117623670A
公开(公告)日：2024-03-01
申请号：CN202311608420.3
申请日：2023-11-29
Applicant: 舟山市丰翔预拌混凝土有限公司 , 浙江工业大学 , 杭州来宝得新材料科技有限公司 , 浙江大学舟山海洋研究中心
IPC: C04B24/38
Abstract: 本发明提供了一种具有水化硬化调控功能的混凝土速干粒化剂，以实现废弃塑性混凝土的无水清理与速干粒化，并通过调控其中未水化水泥颗粒的水化凝结与硬化，实现其中未水化水泥颗粒的高质量资源化利用，本发明混凝土速干粒化剂主要由吸水组分、增稠组分、缓凝组分按比例制备而成，其中吸水组分由废弃加气混凝土、矿山酸性废水中和沉渣经破碎、烘干、混合球磨后，再进一步进行煅烧处理后加工而成，增稠组分由纤维素醚和聚丙烯酰胺混合而成，缓凝组分为蔗糖或蔗糖与氢氧化锌的混合物。本发明速干粒化剂有助减轻废弃混凝土洗刷回收处理的压力，同时可充分利用废弃混凝土中的未水化水泥颗粒，减少碳排放。
-
公开(公告)号：CN109409522B
公开(公告)日：2022-04-12
申请号：CN201810998945.5
申请日：2018-08-29
Applicant: 浙江大学
Abstract: 本发明公开了一种基于集成学习的生物网络推理算法。它包括：针对n个基因组成的生物网络推理问题，将n基因*m时序微阵列表达数据集作为训练样本，计算每个基因对应的训练集；采用随机森林算法、梯度提升树算法分别计算每个调控因子与目标基因对的特征重要度得分，分别给出对应的第一特征重要度评分表、第二特征重要度评分表；计算第一特征重要度评分表的准确度ACC1、第二特征重要度评分表的准确度ACC2；采用E‑alpha加权规则将第一特征重要度评分表、第二特征重要度评分表进行加权融合，得到最终的总评分表；根据总评分表得到最终生物网络结构。本发明有效提高了生物网络推理的准确度以及稳定性。
-
公开(公告)号：CN110009135B
公开(公告)日：2021-04-27
申请号：CN201910177122.0
申请日：2019-03-08
Applicant: 浙江大学
Abstract: 本发明公开了一种基于宽度学习的风电功率预测方法，通过SCADA系统获得某风电机组一年的功率数据，采用离群点检测算法对一年的功率数据进行异常点检测，去除坏数据，得到机组的正常功率数据。使用正常功率数据，计算该风电机组一年的日平均功率数据，将正常日平均功率数据进行分组，对每组功率数据进行归一化操作。引入季节信息，构建造针对春、夏、秋和冬季宽度学习系统的训练集，同时构造针对春、夏、秋和冬季的宽度学习系统。使用构建的训练集，训练宽度学习系统，得到春、夏、秋和冬季功率预测模型。使用功率预测模型，进行风电功率24h预测。本发明设计过程简便，所得预测模型参数少，预测精度高，能够为风电并网提供准确有效的功率预测信息。
-
Patent Agency Ranking
公开(公告)号：CN110009135A
公开(公告)日：2019-07-12
申请号：CN201910177122.0
申请日：2019-03-08
Applicant: 浙江大学
Abstract: 本发明公开了一种基于宽度学习的风电功率预测方法，通过SCADA系统获得某风电机组一年的功率数据，采用离群点检测算法对一年的功率数据进行异常点检测，去除坏数据，得到机组的正常功率数据。使用正常功率数据，计算该风电机组一年的日平均功率数据，将正常日平均功率数据进行分组，对每组功率数据进行归一化操作。引入季节信息，构建造针对春、夏、秋和冬季宽度学习系统的训练集，同时构造针对春、夏、秋和冬季的宽度学习系统。使用构建的训练集，训练宽度学习系统，得到春、夏、秋和冬季功率预测模型。使用功率预测模型，进行风电功率24h预测。本发明设计过程简便，所得预测模型参数少，预测精度高，能够为风电并网提供准确有效的功率预测信息。
-
公开(公告)号：CN109409522A
公开(公告)日：2019-03-01
申请号：CN201810998945.5
申请日：2018-08-29
Applicant: 浙江大学
Abstract: 本发明公开了一种基于集成学习的生物网络推理算法。它包括：针对n个基因组成的生物网络推理问题，将n基因*m时序微阵列表达数据集作为训练样本，计算每个基因对应的训练集；采用随机森林算法、梯度提升树算法分别计算每个调控因子与目标基因对的特征重要度得分，分别给出对应的第一特征重要度评分表、第二特征重要度评分表；计算第一特征重要度评分表的准确度ACC1、第二特征重要度评分表的准确度ACC2；采用E-alpha加权规则将第一特征重要度评分表、第二特征重要度评分表进行加权融合，得到最终的总评分表；根据总评分表得到最终生物网络结构。本发明有效提高了生物网络推理的准确度以及稳定性。
-
公开(公告)号：CN106875001A
公开(公告)日：2017-06-20
申请号：CN201710173917.5
申请日：2017-03-22
Applicant: 浙江大学
Abstract: 本发明公开了一种具有冯·诺依曼拓扑结构的随机漂移粒子群优化方法。针对生物网络如合成基因回路建模，需要建立生物系统的微分方程模型并根据观测值推理模型参数。参数计算过程首先需要定义合适的目标函数和约束条件，同时需要得到优化算法的支持。本发明将微分方程的参数估计等价为带有微分‑代数约束的非线性规划问题，通过寻找合适参数集来拟合量测数据。针对参数估计过程的寻优计算易陷入局部最优的局限性，该发明在随机漂移粒子群优化算法中引入冯·诺依曼结构，以增强全局搜索能力。该改进算法针对全连接的全局拓扑结构的局限性进行改进，采用局部拓扑结构作为粒子间的信息共享方式，增强算法全局搜索能力，能够给出可信度高的模型参数。
-
公开(公告)号：CN113066522B
公开(公告)日：2022-07-12
申请号：CN202110309281.9
申请日：2021-03-23
Applicant: 浙江大学
Abstract: 本发明公开了一种基于模块化识别的基因网络推理方法。该方法将n个基因的表达信息作为训练集，其中每个基因有m个样本；采用ICA‑FDR算法对基因进行模块识别并将n个基因划分至不同基因模块中；基因模块内部的调控关系采用以梯度提升树为基础的算法进行推理，基因模块间的调控关系采用以稀疏回归为基础的算法进行推理，得出每个基因对的相关性得分；针对每个基因模块内与模块间推理得到的相关性得分分别进行归一化处理后合并，并按照得分降序排序得到最终基因调控网络。本发明为基因模块识别与基因网络推理提供了一个无缝衔接的融合框架，提高了基因模块识别的准确性，增加了基因调控网络功能的可解释性。
-
公开(公告)号：CN113066522A
公开(公告)日：2021-07-02
申请号：CN202110309281.9
申请日：2021-03-23
Applicant: 浙江大学
Abstract: 本发明公开了一种基于模块化识别的基因网络推理方法。该方法将n个基因的表达信息作为训练集，其中每个基因有m个样本；采用ICA‑FDR算法对基因进行模块识别并将n个基因划分至不同基因模块中；基因模块内部的调控关系采用以梯度提升树为基础的算法进行推理，基因模块间的调控关系采用以稀疏回归为基础的算法进行推理，得出每个基因对的相关性得分；针对每个基因模块内与模块间推理得到的相关性得分分别进行归一化处理后合并，并按照得分降序排序得到最终基因调控网络。本发明为基因模块识别与基因网络推理提供了一个无缝衔接的融合框架，提高了基因模块识别的准确性，增加了基因调控网络功能的可解释性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.021 seconds)
