摘要：目的建立测定β-内酰胺类抗生素原料中乙酸残留量的HPLC方法。方法采用多因素组内设计方法,确定色谱流动相的组成、比例和pH值。参考ICH Q2,从专属性、检出限和定量限、线性、准确度、精密度和耐用性等6个方面对方法进行验证。用所建立的方法对19种β-内酰胺类抗生素原料进行了测定。结果采用C_(18)色谱柱,流动相:甲醇-0.02 mol/L磷酸二氢钾,梯度洗脱;柱温25℃;检测波长220 nm。供试品、溶剂和流动相对乙酸测定没有明显干扰;乙酸的最低检出限约为0.029μg,最低定量限约0.12μg;从定量限到限度2倍浓度范围内,方法的线性关系良好,拟合直线方程为y=388866.7186x-177.5720,r2=0.9999;低中高浓度加样回收率平均分别为93%,96%和99%;方法的重复性和中间精密度分别为2.37%和2.11%;在3根不同C_(18)色谱柱上的耐用性良好。19种β-内酰胺抗生素原料中有3种筛查出残留乙酸。结论所建方法可以实现对β-内酰胺类抗生素原料中残留乙酸的准确定量,为该类原料的生产过程控制和标准物质研制提供了依据。

摘要：“十四五”时期,国家生态文明建设将进入新的关键阶段,提升生态环境保护水平,进一步提升资源利用率,对农村生活垃圾收运处置体系的发展提出了更为严苛的要求。农村生活垃圾收运体系建设是实现垃圾资源化与无害化处理的基础保障,对推进美丽乡村建设具有重要意义。本研究以吉林省37个县(市)农村生活垃圾收运体系实地调研数据为依据,运用数据包络分析(DEA)方法,剖析吉林省农村生活垃圾收运体系综合效率、纯技术效率和规模效率,综合评价吉林省农村垃圾收运体系运行状况与运行效率,识别存在的问题,分析成因,并给出相应的对策建议,以期为吉林省农村生活垃圾收运处置体系建设与完善提供参考。

摘要：一直以来,综合类院校背景下的环境设计专业都遵循较为传统的教学模式,注重理论教学,实践教育与市场发展衔接方面的教育较为薄弱。笔者通过对景观设计市场发展的调研,发现了以高效造园理念为核心的新兴造园模式。高效造园是大尺度景观的缩影,具有面积小、工期短、造价低等特点,是实现实践教学的良好选择。笔者利用该造园模式的特点,将东南大学艺术学院“环境与景观设计”课程创造性地与“高效造园”理念相结合,提出以实践教育为核心的课程教学理念。本文主要探讨了以高效造园实践为主体的教学新模式,通过梳理课程设计的三个阶段、教学目的、教学成果等,为高等院校的“环境与景观设计”课程的教学拓展了新思路,探索了环境设计教学发展的新方向,为环境与景观设计的教学模式创新提供了新可能。

摘要：本文对民族地区中职学校动漫专业课程设置、师资力量及学生现状进行分析,指出色彩美育的实施对动漫专业的重要性,并根据地域特色和学生特点等,对民族地区动漫专业实施色彩美育提出了几点可行的策略,以达到民族地区动漫专业长远发展和培养更多创作型动漫人才的目的。

摘要：不同厂商(品牌)的药品仍存在一定的差异,价格不同,有销售商家用低廉药物产品换上假的大品牌包装在市场上高价销售。无专利药品或无生产、销售(如走私进口药)许可资质的药品也有可能贴上伪造的正规品牌包装在市场上出售。这些药品逃避药物监管和审批程序,损害消费者利益并给整个药物市场带来重大危害。因此,准确鉴别不同来源的药品在药品质量监管中具有重要意义。近红外光谱分析(NIR)具有仪器成本低、可直接测量、可无损检测、可现场检测等优点,特别适合药品的快速建模分析。采用近红外光谱直接鉴别出多个厂商、品种的药品,有重要应用价值同时又存在重大技术挑战,主要体现在需要有效的提取特征器和合适的分类器。自编码是深度学习方法中一个重要分支,它主要用于数据的非线性降维特征提取。变分自编码(VAE)是近年来最为流行的自编码算法,它通过变分法学习输入数据的一族欠完备的单变量正态分布特征,用以表示盲源因素对数据施加的影响,具有较强的特征提取能力,广泛应用于计算机视觉、语音识别等领域,在NIR分析方面未见报道。基于VAE,充分利用VAE既是特征提取器,又是数据生成器的优点,通过特殊设计的人工神经网络结构和损失函数,构建面向多品种、多厂商药品NIR分类模型。以29个厂商生产的4种药品(盐酸二甲双胍片,盐酸氯丙嗪片,马来酸氯苯那敏片,头孢呋辛酯片)的1 721个样本为实验对象,建立药品的多品种、多厂商分类鉴别实验。对比SVM, BP-ANN, PLS-DA等传统化学计量学算法及稀疏自编码(SAE)、深度信念网络(DBN)、深度卷积网络(CNN)等深度学习算法,其分类性能优良,同时具有良好的鲁棒性和可扩展性。

摘要：在高速公路联网收费中,环路的存在引起驾驶员对多条路径的选择问题,而在投资主体多元化的背景下,通行费如何征收与拆分是当前高速公路联网收费管理中亟需解决的问题。本文对高速公路网多路径问题引起的通行费征收与拆分方案进行了探讨,提出了以最低(最短路径)收费为征收标准、"最短路径为主体、多路径概率拆分为补充"的拆分方案。

摘要：近红外光谱(NIR)分析具有分析高效、样品无损、环境无污染以及可现场检测等优点,特别适合药品的快速建模分析。但NIR存在吸收强度弱以及谱带重叠等缺点,需要建立稳健可靠的化学计量学模型对其进行分析。深度卷积神经网络是深度学习方法中一个重要分支,它通过逐层抽取数据特征并进行组合、转换,形成更高层的语义特征,具有极强的建模能力,广泛应用于计算机视觉、语音识别等领域,而在药品NIR分析方面尚未见报道。基于深度卷积网络模型,对药品NIR多分类建模进行研究。针对药品NIR数据的特点,设计若干个面向多品种、多厂商药品NIR分类的一维深度卷积网络模型。模型中卷积层和池化层交叠排列用于逐层抽取NIR数据特征,输出层连接softmax分类器,对药品NIR数据进行分类概率预测。在输出层之前采用全局最大池化层,将特征图进行整体池化,形成一个特征点,用于解决全连接层存在的限制输入维度大小,参数过多的问题。同时,在网络模型中引入批处理操作和dropout机制,以防止梯度消失和减小网络过拟合的风险。在网络模型的设计过程中,通过设计不同的卷积网络层数以及不同的卷积核尺寸大小,分析其对建模效果的影响,同时分析五种经典数据预处理方法对NIR分析的影响。以我国7个厂商生产的头孢克肟片和11个厂商生产的苯妥英钠片样本NIR为实验对象,建立药品的多品种、多厂商分类模型,该模型在二分类、多分类实验中取得了良好的分类效果。在十八分类实验中,当训练集与测试集比例为7∶3时,分类准确率为99.37±0.45,比SVM,BP,AE和ELM算法取得更优的分类性能。同时,深度卷积神经网络模型推理速度较快,优于SVM和ELM算法,但训练速度慢于二者。大量实验结果表明,深度卷积神经网络可对多品种、多厂商药品NIR数据准确、可靠地判别分类,且模型具有良好的鲁棒性和可扩展性。该方法也可推广到烟草、石化等其他领域的NIR数据分类应用中。

摘要：文章立足于基本建设项目的建设过程,结合高速公路建设项目特点,从工作量、风险平衡、投资控制、招投标难易、工程优化难易等方面对代建制在高速公路建设项目中应用的四种不同应用阶段方案进行了分析探讨,通过不同方案的对比,明晰了不同方案的优势与不足,并提出了相关应用阶段的选择建议。

摘要：通过分析高层建筑物火灾的特点以及从疏散角度出发的防火设计的发展情况,尤其是疏散设施如何完善的过程,提出把人机工程学理论与防火设计进一步结合起来,让建筑物更适合于人的疏散行为的设计思路,为人在火灾状态下的疏散创造便利,提高建筑物的本质安全化程度。

摘要：拉曼光谱检测方法依赖于化学计量学算法,深度学习是当下最炙手可热的方向,可应用于拉曼光谱进行建模。但是深度学习需要大样本进行训练,而拉曼光谱采集受制于器材和人力成本,获取大批量的样本需要更大成本,且易受荧光等因素干扰,这些问题都制约了将深度学习应用于拉曼光谱。针对以上问题,通过引入深度卷积生成对抗网络(DCGAN)提取拉曼光谱内部特征,对抗生成新的拉曼光谱,从而达到扩充数据集目的。同时和另一个扩充数据集的方法——偏移法进行对比,证明DCGAN的可靠性。设计生成光谱选取标准,选取高相似性的光谱填充数据集,为深度学习在拉曼光谱中的应用奠定基础。为了验证生成的光谱比原始光谱有更好的适用性,设计四组实验:(1)使用原始拉曼光谱输入到SVM进行分类,得到51.92%的分类准确率;(2)使用原始拉曼光谱输入到CNN进行分类,得到75.00%的分类准确率;(3)采用偏移法生成光谱,输入到CNN里进行分类,得到91.85%的分类准确率;(4)使用DCGAN生成光谱,输入到CNN里进行分类,得到98.52%分类准确率。实验结果表明,DCGAN能在只有少量拉曼光谱的情况下,通过对抗学习得到较好的生成光谱,且生成的光谱相比原光谱更加清晰,减少了可能的干扰因素,具有光谱预处理效果。通过DCGAN对抗生成大量高质量的数据填充到原有拉曼光谱数据集,扩充数据集的样本量,使得深度学习模型能够得到更好的训练,从而提高模型的准确率。该研究为深度学习方法应用于拉曼光谱分析技术提出了一个可行的方案。