建设药学信息应用与服务平台培养适合社会需求的高职药学专业人才

针对目前各高等院校药学专业学生综合能力与社会需求尚有一定差距的现状,我院计算机与信息中心及药学系老师通过近两年的实践研究探索,通过创建药学信息应用与服务平台来强化药学学生的实践能力,提高药学生的综合素质,为高等院校培养技能型实用药学专业人才提供了理论与实践的双重指导.     

医用物理学教师结构的调查分析

通过对西南片13所医学院校的物理教师队伍素质结构的现状进行调查和分析,针对所存在的年龄结构断层、学位结构单一、职称结构不合理、知识老化现象严重、教学科研水平不高等问题,提出改善和提高教师素质结构的建议和做法。     

民族医学院校药学专业化学教学中运用现代教育技术的思考

现代教育技术在医学院校药学专业的化学课程教学中应用具有传统教育无可比拟的优势,同时也存在一些值得注意的问题,促进民族地区医学院校化学教师积极应用现代教育技术必须树立正确的现代教育观念、注重提高教师队伍素质和提升教师的教学水平、现代教育技术与传统教学方法有机整合、依靠学科组的集体力量创作教学课件、依靠学科组的集体力量创作教学课件、合理安排教学内容,开放实验室和模拟实验结合等.     

基于K-CV参数优化支持向量机的LIBS燃煤热值定量分析

热值是煤质特性的重要参数之一,很大程度上影响着燃煤锅炉的运行。为了克服传统检测方法所存在的问题,将激光诱导击穿光谱(LIBS)应用于燃煤热值的定量分析。煤的结构复杂,所含的元素种类众多,包括了主量元素、次量元素和痕量元素,致使煤的LIBS光谱信息复杂。如何有效提取LIBS光谱信息,实现准确的定量化测量是LIBS在煤特性检测中发挥作用的前提和基础。近年来,随着人工智能技术的发展,相关的分析技术也开始应用于煤的工业指标分析和热值预测中。为实现煤样品中LIBS光谱信息的有效提取,同时为克服常规的分析方法易出现的过渡拟合、收敛性不好等问题,提出采用结合K-fold Cross Validation(K-CV)参数优化的支持向量机(SVM)回归方法,实现LIBS定量分析煤中的热值。SVM方法是结构风险最小化的近似实现,可用于模式分类和非线性回归。为了得到有效的LIBS分析模型,实验选用44种电厂常用的热值含量不同的煤样作为实验对象,选择其中33个作为训练集,剩余11个为测试集。利用搭建的LIBS实验系统获取所选煤样品的等离子体发射光谱数据,首先分析了SVM热值回归模型的参数-惩罚因子C、核函数参数g与模型精度的关联,确定C和g最佳取值范围,然后分别建立了基于LIBS全谱和某些元素(非金属元素和金属元素)特征光谱的SVM回归模型。利用训练集光谱数据,结合K-CV法得到热值SVM回归模型的最优参数C和g的值,建立基于SVM最优参数的煤热值定量分析模型。然后将测试集的光谱数据作为输入量用于测试所建立模型的可靠性,得到分别采用全谱、非金属元素特征光谱、非金属与金属元素特征谱相结合的热值定量分析模型,其决定系数R2均达到0.99以上,均方误差分别为0.12,0.17和0.06 (MJ·kg-1)2,预测平均相对偏差分别为1.2%,1.23%和0.69%。结果表明：基于K-CV参数优化SVM回归方法可用于LIBS技术实现燃煤热值的定量分析,且可得到较高的分析精确度和准确度;同时通过对比选用不同的光谱特征的定量分析模型可知,采用非金属与金属元素的特征光谱所建立的基于K-CV参数优化SVM的热值定量模型,能够有效提高LIBS应用于快速检测煤热值的精度和准确度,实现煤热值的准确预测。