产品详细介绍　3~5、8~12 μm　　ET10 科研级仪器可测量任何不透明材料的发射率。特点：　　• 可同时测量3～5、8～12 微米2个波段的发射率　　• 利用两个探测器同时测量3～5、8～12 微米2个波段的发射系数　　• NIST标准      • 快速、便携　　• 电池操作非常方便应用：　　• 为红外相机提供发射率参数　　• 提高温度测量精度ET10： 　　• 用于测量红外测温成像技术的重要参数—红外发射率　　• 对于不透明物体：Emissivity = 1- reflectance　　　• 软件简单易用，具有强大的测量和数据处理功能　　•  液晶触摸屏PDA图文操作界面　　• 可同时提供十种设备运行信息性能：　　当物体的物理化学性质没有发生变化时，不同温度下的反射率与波长是不变的，所以物质在500-°K高温下的发射率数据可以由室温下测得的反射率数据推算出来，ET10主要用于测量不透明样品的发射率。　　进行测量时，将仪器对准测量面，按下扳机即可记录数据。测量一次的时间只需要7秒钟。  技术参数：测量参数：定向半球反射比 (DHR)方法：一个波段的积分总反射比测量值：发射率波段：3～5、8～12 微米2个波段精度：±1%可重复性：±0.0002入射角：20° 法线入射样品表面：任何表面，6” 半径曲面，12” 半径曲面测量时间：10秒/测量，用户可设(2 波段)预热时间：90秒运行时间：电池工作2小时，可更换电池后接续测量电源：可充电镍氢电池  充电时间:  1小时重量：4.7 lbs.带电池IR源：铬铝钴合金灯丝，使用温度：1,000°C尺寸：手持式，H 11.54”, L 9.04”, W 3.72”模块部件：模块化设计，测量头可更换操作界面：LCD 图形界面，触摸屏，软件按钮测量：   测量数据直接在屏幕上显示并存储数据存储：265MB CF卡数据格式：Excel或Text格式打开环境：储存： -25～ 70°C;操作环境 0～40°C, 非冷凝  

产品详细介绍■ 光谱测量范围：200-1100nm■ 测量重复性：≤3%（主要波长位置）■ 光源：高稳定、高输出能量氙灯光源■ 标准探测器经国家一级计量单位定标■ 标准探测器、待测探测器自动切换■ 光谱响应度曲线自动生成■ 样品室内包含标准样品架、固体样品架和液体电解池样品架■ 被测太阳光伏器件可为无机晶体、有机样品，可固体，也可固体，可加偏执电压等

产品详细介绍| 光电测量产品 >> 拉曼光谱仪 >> 拉曼系统R-3000型光谱仪拉曼系统R-3000型光谱仪 拉曼系统R-3000型光谱仪是一种全综合功能的拉曼分析仪器，可以实现对波长范围在200～2700cm-1的水性液体、粉末、块体、凝胶和表面介质的实时的定性和定量的光谱分析。 拉曼R-3000可以应用在多种场合，包括药物学监测与质量控制、化学与石油化学过程与质量控制，毒品与炸药检测和水质分析等。产品特色综合系统。拉曼系统R-3000型光谱仪是一个集成了二极管激光器、CCD阵列光谱仪、光纤探头和操作软件的多合一系统。改良设计。R-3000型光谱仪使用第三代设备，改进了产品的激光解析度（优于10 cm-1，而R-2001型光谱仪的解析度为 15 cm-1）和稳定性（波长稳定性优于1 cm-1，输出稳定性为4％ ）。探测灵活。R-3000型光谱仪的光纤探头带有探头帽，可以进行简单的校准和调焦。软件先进。R-3000型光谱仪使用新的软件， 可以实现指纹识别和定量分析。全综合功能系统拉曼系统R-3000型光谱仪配有785nm或532nm可选的固态二极管激光器，一个可选择TE冷却的光纤光谱仪，一个可用于液体、固体和粉末的多合一光纤探头，一个聚焦和校准的探头帽，一个软件控制的激光遮光器及其操作软件，一个样品架，以及一个防护眼镜。R-3000型光谱仪的样品光谱新的软件带有指纹识别和定量分析的功能（把样品中的检出物与数据库中的光谱数据进行匹配，并确定其浓度），积分时间增加到数分钟，并且新增了多重光谱显示功能（可以重叠显示达20个光谱图）。

1.产品型号ICP-6800电感耦合等离子体发射光谱仪（标准机）ICP-6800S电感耦合等离子体发射光谱仪（石化机）ICP-6800D电感耦合等离子体发射光谱仪（标准+石化）双系统2.产品简介ICP-6800系列电感耦合等离子体发射光谱仪是我公司经多年技术积累而开发的电感耦合等离子体发射光谱仪，用于测定各种物质（可溶解于盐酸、硝酸、氢氟酸等）中的微量、痕量金属元素或非金属元素的含量，自动化程度高、操作简便、稳定可靠。目前仪器广泛应用于稀土、地质、冶金、化工、环保、临床医药、石油制品、半导体、食品、生物样品、刑事科学、农业研究等各个领域。3.工作环境贮存运输温度:15℃-25℃贮存运输相对湿度:≤70％大气压:86-106 kPa电源适应能力:220±10v  50-60MHz工作湿度:≤70％工作温度:15℃-30℃4.附件  

1.产品概述 ICP-6810是用于测定不同物质（可溶解于硝酸、盐酸、氢氟酸等）中的微量、痕量元素含量的全谱直读电感耦合等离子体发射光谱仪，广泛应用于环保、石油制品、稀土、半导体、地质、冶金、化工、临床医药、食品、生物样品、刑事科学、农业研究等各个领域。 2.性能特点 性能稳定 采用全固态射频电源，具有体积小、效率高、输出功率稳定、带有各种保护功能等诸多优点，负载采用全自动匹配技术，匹配速度快，提高了电源的使用效率和仪器的稳定性，并使得整个点火过程简单方便。 进样自动化 采用四通道全自动设计，转速可根据测试需求设置调节流量，载气、等离子气、辅气均采用先进的质量流量控制器来控制，同时可以配备进口高盐雾化器、进口耐氢氟雾化器等，满足客户的各种测试需求。 精准分析 采用中阶梯光栅-棱镜交叉色散方式,无移动光学元件；超低杂散光设计配合独特的光学设计，氮气分布式吹，进口的光学元件，智能精确的自动波长校准算法。 快速测试 美国热电CID探测器，165-900nm范围连续覆盖，一次曝光读出所有分析谱线的强度积分值加快分析速度。 3.应用领域 硅工业，冶金工业，水质分析，地质、矿石分析，石油化工，医疗、卫生、农业环保、商品、食品质量检测。

成果描述：本发明申请要解决的问题是，改进预测技术，提高预测准确度。本专利利用高阶马尔科夫模型的原理提出HM-gMTD模型的一种改进，即高阶HM-gMTD模型，并通过EM算法给出相应的参数估计方法和相应的计算方法，并能够快速进行参数估计，以提高模型预测的准确度。市场前景分析：预测模型的发展在人类的经济生活方面发挥着重要的作用，尤其是马尔科夫模型，几乎在各个领域都有着非常广泛的应用。本发明着重混合转移分布模型与高阶隐马尔科夫模型的巧妙结合，构造出高阶HM-gMTD模型，然后运用EM算法，对新模型实现了主要参数的求解。最后为了衡量一个模型的好坏和对不同的模型进行比较，我们选择准则函数。模型比较的最佳准则函数，既考虑到模型对原始数据的拟合程度，又兼顾模型中所包含的待定参数的个数，并且对二者做出合理的权衡。与同类成果相比的优势分析：本发明主要是针对HM-gMTD模型的进一步改进，提出一个高阶HM-gMTD模型，使其在降低计算的复杂度的同时，提高预测的准确性。

本发明涉及一种风电集群轨迹预测与分层控制方法，包括：根据风电集群及风电场内的拓扑结构，基于空间相关性和NWP数据进行超短期风电功率预测；根据调度中心下发的调度值，将控制过程在空间上分为集群优化调度层、场群协调分类层和单场自动执行层，将风电功率预测值从时间上逐层细化；在场群协调分类层，基于风电功率预测值对风电场进行分类，分为上爬坡群、下爬坡群、平稳群和振荡群；在单场自动执行层，基于AGC机组下旋转备用裕度和风电送出断面裕度判断风电可增发空间，增发上爬坡群风电场出力或降低下爬坡群风电场出力；基于风电场运行与监测系统，根据监测到的风电场实际值，计算并反馈风电功率误差，修正风电集群和风电场预测值，使优化过程更加精确。

本成果针对城市水电气热等综合能源数据来源广泛，结构复杂，且与用户、时间、空间信息关系紧密的特点，构建了高性能综合能源数据分析平台，提出了细粒度的能源数据分析理论框架及方法，并将其应用于智慧城市建设。

针对太阳能集热系统扰动多、大滞后和大惯性等控制难点，建立了适合控制器设计的简化分段非线性模型，并设计了基于预测函数控制策略的集热系统出口导热油温度控制系统。该预测函数控制策略在调节速度、超调量以及稳定性方面的控制效果均明显优于传统PID控制策略；与未简化的多模型预测控制相比，简化后的多模型预测函数控制的最大动态偏差增大了13%，但计算量大大降低，控制器的实时性也得到增强。

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.）致癌性预测服务器首页致癌性预测结果页相关综述对本服务器的介绍RF-hERG-Score预测药物引起的hERG相关心脏毒性2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。特异性重打分函数显著虚拟筛选性能显著较高筛选出两个候选抑制剂3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。lncRNA-蛋白质相互作用预测模型的性能比较lncRNA-蛋白质相互作用预测服务器相关软件著作权：