简介:摘要: 经济在快速的发展,社会在不断的进步,人们的生活质量在不断的提高,对于用电的需求在不断的加大, 为解决变电运维工作中所获得的大量设备数据未能得到充分利用的问题,本文在搭建变电站云平台已成为可能的条件下,主要结合数据挖掘技术对运行人员从现场获得的数据进行分析处理。这些数据包括设备压力、泄漏电流、动作次数、以及设备台账等,可以用来提高工作效率和质量、进行业务决策,避免形成数据孤岛,提高变电运维的智能化水平。一是利用了趋势外推法进行数据拟合来指导设备巡视维护工作,二是采用多元线性回归法分析设备状态的影响因素并进行缺陷预测和故障诊断,三是通过人工神经网络深度学习进行电网停电承载力分析。合理利用大数据技术将推动变电站向集约化管控、专业化运维方向转变,通过数据挖掘技术可以极大地提升变电运维工作的智能化水平,从而优化人力配置,使工作更精准高效。
简介:摘要目的找出可能在脓毒症诊断和治疗中的关键基因,为临床治疗脓毒症提供新靶点。方法从基因表达数据库(GEO)中获取GSE9960芯片数据,使用GCBI在线实验室筛选出差异表达基因,分别使用基因本体论分析(GO分析)、代谢通路分析(pathway分析)、利用互作基因数据库检索工具,分析这些差异表达基因的蛋白质与蛋白质的相互作用(PPI network),并使用cytoscape软件进行可视化。结果与对照组相比,脓毒症组共获得110个差异表达基因,其中上调基因102个,下调基因8个;GO功能富集分析显示差异基因主要参与了DNA的正负调控、自噬、P53类中介信号转导、细胞对机械刺激的反应等。KEGG功能通路分析显示差异基因主要参与了Glucagon信号通路。PPI network筛选出的6个hub基因,根据受试者工作特征曲线分析,这6个hub基因与脓毒症相关。结论基因表达谱的生物信息学分析确定了1个信号通路和6个基因,可能代表脓毒症发生、进展和风险预测的分子机制,这6个基因可能被用作潜在的诊断生物标志物或治疗靶点。