超声引导下椎板后阻滞应用于经皮椎间孔镜手术的效果

目的比较超声引导下椎板后阻滞(retrolaminar block, RLB)与局部浸润麻醉在经皮椎间孔镜腰椎间盘切除术(percutaneous endoscopic lumbar discectomy, PELD)中的麻醉效果。方法 40例美国麻醉医师协会(ASA)Ⅰ或Ⅱ级择期行PELD手术的患者,随机分为超声引导下椎板后阻滞组(RLB组)和局部浸润麻醉组(C组),每组20例。RLB组由麻醉医师在超声引导下在脊柱旁矢状位平面内行椎板后阻滞,C组由手术医师根据手术定位逐层局部浸润麻醉,所用药物均为0.5%罗哌卡因20 mL。记录入室(T_0)、切皮(T_1)、穿刺时(T_2)、椎间孔成形(T_3)、神经减压(T_4)、缝合时(T_5)VAS评分和Ramsay镇静评分,记录补救镇痛率和患者满意度,以及术中呼吸抑制、心动过速、高血压等不良反应的发生率,记录术前及术后3个月的Oswestry功能障碍指数(ODI)评分。结果 RLB组T_(2-4)时点VAS评分和补救镇痛率显著低于C组(P<0.05),RLB组患者满意度显著高于C组(P<0.05),术中高血压和心动过速的发生率显著低于C组(P<0.05),两组患者术后3个月ODI评分明显低于术前(P<0.05),但组间ODI评分差异无统计学意义(P>0.05)。结论超声引导下椎板后阻滞(RLB)能够为PELD手术提供满意的镇痛效果,不影响下肢运动功能,不良反应少,安全性高。     

长江南京以下12.5米深水航道工程效益后评估分析

长江南京以下12.5米深水航道工程全线贯通进入常态化运行,进一步提升了长江黄金水道含金量,带来巨大的经济社会效益。本文全面调查分析工程实施以来通航变化情况,分析其为长江沿线地区带来的经济效益、社会效益和环境效益,对于进一步揭示航道工程服务经济社会发展具有重要意义。     

基于XGBoost的短时出租车速度预测模型

准确预测短时出租车速度是识别驾驶员异常加减速行为的前提，有助于提升乘客的安全与舒适。以城市中出租车实时移动速度为研究对象，研究了基于XGBoost的短时出租车速度预测模型。将出租车的移动速度数据集划分为训练集和测试集，构造滑动时间窗口，以时间窗口内的出租车历史移动速度的时间序列为输入变量，以出租车当前时间的移动速度为输出变量，采用前向验证的方法进行模型评估。利用基于贝叶斯算法的hyperopt模块实现模型参数的快速优化，得到模型最优参数组合，并基于深圳市2013年10月22日的出租车GPS轨迹数据集进行算例分析，将模型的预测结果与非参数回归模型、神经网络模型预测结果进行比较。研究表明:所构建的短时出租车速度预测模型的平均绝对误差（MAE）为9.841，均方根误差（RMSE）为12.711，均低于非参数回归模型和神经网络模型，提高了出租车速度的预测精度；由于出租车速度序列缺乏规律性，调整后的R₂（R₂ _adjusted）为0.592，且相较于其他2个模型，XGBoost模型在出租车速度发生急剧变化的时间点附近具有更优的拟合效果，避免了过拟合造成的预测精度下降。      

强化铁路检修车管理的思考

如何准确、均衡地扣修铁路运用车辆,既保证维修单位任务完成,又满足提高运输效率要求,是铁路运输管理的难点之一。本文以南宁局集团公司为例,总结分析针对检修车扣车不均衡、检修车超定量问题,采取集成数据,编制检修车管理指导子系统,强化检修车的监控与预测、扣车追踪、动态管控、均衡扣车等措施的落实效果,旨在为有效提升检修车管送能力,确保运输用车需求提供借鉴。     

船舶动力设备退化基线计算及预测方法

船舶动力设备在自身性能退化过程中的相当长一段时间内仍能完成规定功能,对具有重要特征参数或性能指标的船舶动力设备而言,若使用定基线进行健康状态评估会导致评估值连续较低甚至误报警问题。为了解决这一问题,以目标设备按性能退化时间序列采集的特征参数为研究对象,首先建立退化基线计算方法,利用滑动概率神经网络和性能可靠度与基线值间的转换函数获得目标设备的动态退化基线;然后建立ARMA预测模型获得预测参数,并与退化基线计算方法结合对退化基线发生动态变化的时间节点进行预测;最后利用海水泵对建立的方法可行性进行验证。结果表明,本文建立的退化基线计算方法能够获得动态基线,退化基线预测方法能够对动态基线的变化时间节点进行准确预测。     

基于数据驱动的船舶油耗预测模型研究

以某客滚船为研究对象,将大量航行实际数据进行预处理,通过斯皮尔曼等级相关分析选择出船舶左右桨螺距、左右舷舵角、纵倾、船首风速、船舶对水和对地航速为油耗主要影响参数。建立基于LSTM神经网络的黑箱模型对数据进行学习并预测油耗,额外选取测试样本验证模型精度,优化模型内部结构以进一步提高预测精度。将最终得到的预测数据与实测数据对比,证明模型具有良好的准确性。该研究方法能为船舶运营人员优化运营方案提供参考,能够提高水路交通运输的经济性。     

加权马尔可夫优化的NGBM(1,1)模型在中长期电力负荷预测中的应用

灰色理论在电力负荷预测领域中有重要应用,为了扩展灰色模型在中长期电力负荷预测中应用,提出了一种基于加权马尔可夫优化的非线性灰色伯努利(nonlinear grey Bernoulli Model, NGBM(1,1))预测模型.首先引进新型非线性NGBM(1,1)模型对电力负荷数据的总体趋势进行拟合,得到的灰拟合精度序列是一个随机波动的过程,再利用加权马尔可夫的特点确定灰拟合精度的加权转移概率矩阵,通过插值和还原计算对NGBM(1,1)模型的预测结果进行优化.将该模型运用到江苏省农村电力负荷预测中,结果验证其在预测精度上的优越性,并用于中长期电力负荷预测是有效可行的.