提出一种计算机仿真方法,研究血药浓度随吸收速率常数(Ka)和消除速率常数(K10)的变化规律。根据参考文献中的参数估计值,选取具有一级吸收速率的口服给药二房室模型,改变不同的参数值,利用MATLAB软件编程实现中心室血药浓度的仿真,结果以二维或三维图形显示。仿真结果中血药浓度随两个参数的变化规律与实际结果一致。从图中可以很清楚地观察两个参数和血药浓度之间的对应关系。计算机仿真技术可以用来模拟预测个体的血药浓度特性,并能得到大量个体数据,对新药的临床研究具有一定的参考价值。

通过对石家庄市2013年1~12月PM2.5和PM10实时数据的整理和分析,结果表明,石家庄市区大气中细颗粒物PM2.5和可吸入颗粒物PM10月均浓度变化呈明显的季节性,二者变化趋势基本一致,采暖期12-2月份浓度普遍高于其他月份,PM2.5和PM10浓度最高值均出现在1月份;春夏PM2.5和PM10浓度有所降低,7月份浓度最低。PM2.5和PM10存在显著的正相关关系。

农业大棚环境监测 1、温湿度 2、二氧化碳浓度 3、光照强度 4、时间 5、OLED显示 6、ESP8266连网 7、EEPROM

分析了传统的人工免疫算法在寻优过程中易陷入局部极值点或过早收敛的原因，对算法进行了改进，提出了一种自适应克隆抑制免疫算法。改进的算法在克隆下一代抗体时，同时考虑了抗体亲和度和浓度两个因素，并给出了一种自适应调节两者关系的算子，兼顾了收敛速度和后代抗体种群多样性两个方面。对改进后的算法进行了分析，给出了数学描述，以便于工程应用。最后，通过典型的算例对提出算法的有效性进行了验证，结果证明，改进后的算法在收敛速度和寻优性能方面均优于传统的人工免疫算法和标准遗传算法。

基于NDIR的CO2等气体浓度检测系统概述: 该设计是一个完整基于热电堆的气体传感器，利用了非分散红外(NDIR)原理。该电路针对CO2检测优化，而采用不同滤光器的热电堆之后亦可精确测量多种气体的浓度。 基于NDIR的CO2等气体浓度检测系统设计框图: 基于NDIR的CO2等气体浓度检测系统电路描述: 热电堆传感器由通常串联(或偶尔并联)的大量热电偶组成。串联热电偶的输出电压取决于热电偶结与基准结之间的温度差。该原理称为塞贝克效应。 本电路使用AD8629运算放大器放大热电堆传感器输出信号。热电堆输出电压相对较小(从几百微伏到几毫伏)，需要高增益和极低的失调与漂移，以避免直流误差。热电堆的高阻抗(典型值为84 k)要求低输入偏置电流以便最大程度减少误差，而AD8629的偏置电流仅为30 pA(典型值)。该器件随时间和温度变化的漂移极低，只要校准温度测量便可消除额外误差。与ADC采样速率同步的脉冲光源最大程度减少低频漂移和闪烁噪声引起的误差。 测试配置的功能框图如图: 附件内容截图:

title date 智能家居之环境监控系统 2016-01-13 作者:鹅卵石 时间:2016年4月13日22:43:53 版本:V 0.0.0 邮箱:kevinlq@yeah.net 基于zigbee和STM32的环境监测监控系统 项目设计、开发文档、以及开发资料获取方式： 获取更多信息可以关注微信公众号：devstone 1 系统功能 详细的介绍可以看博客 这个项目作为2016年的毕设，完美完成了各项要求。综合利用了所学的C语言、C++、zigbee、stm32、Qt、ARM、等嵌入式技术。 首页 控制主界面 客厅 卧室 厨房 历史曲线数据 2. 电路原理图 电路图使用AD13软件进行绘制，使用的主控芯片是STM32F103 3. 编译和运行 3.1 下载代码到本地 git clone git@github.com:kevinlq/SmartHome-Qt.git 3.2 使用Qt4

针对采用灰色神经网络预测瓦斯浓度时部分预测值精度不高的问题,提出用马尔科夫模型对三阶灰色神经网络模型预测结果进行修正的方法;介绍了灰色神经网络模型的建立和马尔科夫修正残差方法,并采用该方法对某煤矿不同时间、不同地点的瓦斯浓度进行分析预测。实际应用结果表明,经马尔科夫残差修正后的瓦斯浓度预测值与实测值的最大相对误差从14%减小到6%,修正后的瓦斯浓度变化曲线更接近实际瓦斯浓度变化趋势。

综采工作面乳化液浓度在线监控系统参照.pdf

氢浓度传感器行业调研及趋势分析报告摘要

为了提高花粉浓度预报的准确率，解决现有花粉浓度预报准确率不高的问题，提出了一种基于粒子群优化（ PSO）算法和支持向量机（ SVM）的花粉浓度预报模型。首先，综合考虑气温、气温日较差、相对湿度、降水量、风力、日照时数等多种气象要素，选择与花粉浓度相关性较强的气象要素构成特征向量;其次，利用特征向量与花粉浓度数据建立SVM预测模型，并使用PSO算法找出最优参数;然后利用最优参数优化花粉浓度预测模型;最后，使用优化后的模型对花粉未来24h浓度进行预测，并与未优化的SVM、多元线性回归法（MLR）、反向神经网络（ BPNN）作对比。此外使用优化后的模型对某市南郊观象台和密云两个站点进行逐日花粉浓度预测。实验结果表明，相比其他预报方法，所提方法能有效提高花粉浓度未来24 h预测精度，并具有较高的泛化能力。