前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇防震減災(zāi)的方法范文，相信會為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

防震減災(zāi)的方法范文第1篇

 

現(xiàn)代軟件技術(shù)的發(fā)展，提出了一整套解決開發(fā)過程中所遇到的一系列問題的工程方法。為解決飛行仿真系統(tǒng)開發(fā)中的實際問題，本文將軟件工程方法引入到仿真系統(tǒng)的開發(fā)中，提出了一套仿真系統(tǒng)開發(fā)過程和仿真程序分析與設(shè)計的優(yōu)化方案，并對開發(fā)過程中的全面質(zhì)量管理方法進行了研究，從而實現(xiàn)了軟件工程方法在飛行仿真系統(tǒng)開發(fā)中的有效應(yīng)用。

 

軟件工程是一種運用系統(tǒng)的、規(guī)范的和可定量的方法來開發(fā)、運行和維護軟件的工程化開發(fā)技術(shù)。它借鑒了傳統(tǒng)工程的原則和方法，針對傳統(tǒng)軟件開發(fā)方法的缺點，以求高效地開發(fā)高質(zhì)量軟件。軟件工程方法在軟件系統(tǒng)開發(fā)過程中的優(yōu)勢主要體現(xiàn)在如下幾個方面:對軟件開發(fā)過程的優(yōu)化;對軟件分析與設(shè)計方法的優(yōu)化;全面的軟件質(zhì)量管理體系。

 

軟件開發(fā)過程主要包括需求、設(shè)計、實現(xiàn)、確認以及支持等活動，所有這些活動構(gòu)成了軟件的工程開發(fā)模式，定義了軟件的生存周期。將其用明確的工程化方法描述出來，有助于規(guī)范開發(fā)的過程，提高開發(fā)的效率和質(zhì)量。目前常用的開發(fā)模式有瀑布式模型、原型開發(fā)模型、螺旋模型、面向?qū)ο竽Ｐ偷取?/p>

 

在軟件系統(tǒng)分析與設(shè)計方面，軟件工程定義了一套比較完整的實現(xiàn)方案。分析是抽取相應(yīng)需求的過程，設(shè)計是將需求轉(zhuǎn)化為設(shè)計規(guī)格說明的過程。在系統(tǒng)分析與設(shè)計方面，目前比較流行并且適合于仿真系統(tǒng)開發(fā)的方法是面向?qū)ο蟮姆治雠c設(shè)計方法。它在對象、類、方法和消息等概念的支持下，在現(xiàn)實系統(tǒng)的建模、分析與設(shè)計方面更直觀有效。可用下面的等式來說明面向?qū)ο蟮姆椒ǎ好嫦驅(qū)ο?對象十分類十繼承十通過消息的通訊。

 

面向?qū)ο蟮姆椒▽F(xiàn)實系統(tǒng)分解為一個個直觀可理解的對象類，并在分類的基礎(chǔ)上定義了類的屬性和服務(wù)(類與類之間的通訊手段)，然后在此基礎(chǔ)上將類組裝成為實際的軟件系統(tǒng)，對軟件開發(fā)的復(fù)雜度進行有效的控制。

 

質(zhì)量保證在軟件開發(fā)過程中占有很重要的位置，在軟件工程方法中是依靠軟件質(zhì)量保證(SQA)活動對軟件品質(zhì)進行控制的。SQA是軟件開發(fā)過程中一項有計劃的規(guī)范性管理活動，它主要通過如下活動保證軟件的開發(fā)過程和軟件質(zhì)量：技術(shù)方法的應(yīng)用;正式技術(shù)評審的實施;軟件測試;標準的執(zhí)行、修改的控制;度量、記錄和記錄保存。

 

軟件工程技術(shù)的應(yīng)用改變了軟件開發(fā)僅是一個純粹編碼過程的基本觀念。軟件工程方法有一套嚴格的開發(fā)模式和管理控制體系，從問題域的分析，到軟件系統(tǒng)的設(shè)計、具體的編碼實現(xiàn)，再到軟件的測試、交付使用與維護，都有一套相應(yīng)的解決方案，使整個軟件開發(fā)的過程規(guī)范化、文檔化，并且在軟件系確保軟件系統(tǒng)滿足開發(fā)要求，最大限度地提高軟件的質(zhì)量。為了對以上質(zhì)量因素進行評價與控制，根據(jù)仿真系統(tǒng)的特點綜合考慮，可將仿真系統(tǒng)開發(fā)過程中的質(zhì)量保證分為如下幾個層次:仿真模型驗證與校核;仿真軟件測試;仿真軟件評審;軟件修改過程控制。這幾方面的活動不僅僅是單純的技術(shù)活動，還要包含對軟件開發(fā)過程的管理活動，因此在實施過程中，必須在軟件系統(tǒng)的需求分析階段之前，制定具體的管理方法和實施步驟。

 

具體的實施步驟為：首先考察對SQA的需求，也就是對仿真系統(tǒng)開發(fā)中的軟件質(zhì)量保證和軟件配置管理的狀態(tài)(包含軟件開發(fā)所采用的政策、過程和標準等)、組織以及SQA與軟件開發(fā)中其他元素的關(guān)系的評價;其次是制定具體的SQA計劃，并在一些SQA標準(如GB/T12504—90)的基礎(chǔ)上，結(jié)合飛行仿真系統(tǒng)的特點，形成SQA計劃的標準格式;最后是SQA的實施階段。

防震減災(zāi)的方法范文第2篇

【關(guān)鍵詞】 根管治療； 診間疼痛； ProTaper和Mtwo系統(tǒng)

doi：10.14033/ki.cfmr.2017.4.010 文獻標識碼 B 文章編號 1674-6805（2017）04-0020-02

【Abstract】 Objective：To observe the pain after root canal preparation with either ProTaper or Mtwo，and discuss the influence facters of the endodontic interappointment pain.Method：A total of 105 teeth with pulpitis，including molars and premolars，were selected and randomly divided into group A and group B.Group A was treated with ProTaper system，and group B was treated with Mtwo system.The pain happening after root canal preparation were observed，including the characteristics，the degree and duration.Result：There was no singnificant difference in the incidence of pain and duration between the two groups（P>0.05）.Conclusion：There is no significant difference in the incidence of pain and duration after root cancal preparation are observed between ProTaper and Mtwo system.Control the mechanical stimulation strictly，and ensure the preparation equipment working in root canal working length，is an important method of reducing postoperative pain.

【Key words】 Root canal treatment； Interappointment pain； ProTaper and Mtwo system

First-author’s address：Changzhou Cancer Hospital，Changzhou 213001，China

根管預(yù)備是根管治療的重要步驟，根管預(yù)備術(shù)后疼痛一直是臨床醫(yī)生關(guān)注的并發(fā)癥之一。主要原因有根管解剖形態(tài)、細菌感染及機械創(chuàng)傷等。鎳鈦銼根管預(yù)備目前已大量應(yīng)用于口腔臨床，選擇合適的預(yù)備方法對減少根管預(yù)備術(shù)后疼痛尤為重要。本文對臨床診斷為牙髓炎的非感染根管患牙隨機采用2種根管預(yù)備方法（ProTaper和Mtwo系統(tǒng)），比較根管預(yù)備術(shù)后短期疼痛的發(fā)生情況。

1 資料與方法

1.1 一般資料

選取2013年9月-2016年3月在筆者所在醫(yī)院就診的牙髓炎患者105例作為研究對象（包括磨牙和前磨牙共105個），其中男55例，女50例，年齡20～60歲，平均（45±3）歲。納入標準：全身無系統(tǒng)性疾病，患牙牙周狀況良好，排除感染根管患牙，根管預(yù)備前未服用抗生素和止疼藥。隨機將患者分為2組。A組（53牙）：選擇ProTaper根管預(yù)備系統(tǒng)預(yù)備根管；B組（52牙）：選擇Mtwo根管預(yù)備系統(tǒng)預(yù)備根管。兩組一般資料差異無統(tǒng)計學(xué)意義（P>0.05），具有可比性。

1.2 方法

兩組均采用Raypex 5根尖定位儀測量根管。兩組患牙在失活劑失活后或局麻下去髓，揭髓室頂，建立根管通路，均使用10#、15#K銼疏通根管。A組選擇ProTaper鎳鈦銼冠根向技術(shù)預(yù)備根管，先用G鉆行根管入口的預(yù)備，再用SX鎳鈦銼完成根管上部預(yù)備，依次使用S1、S2和完成銼F1、F2完成根管預(yù)備。B組選擇Mtwo器械等長技術(shù)預(yù)備根管，依次使用Mtwo鎳鈦根管銼0.04錐度/10#、0.05錐度/15#、0.06錐度/20#、最終0.06錐度/25#完成根管預(yù)備。A、B兩組預(yù)備過程中均使用EDTA、0.5%次氯酸鈉和生理鹽水交替沖洗根管。術(shù)后囑患者觀察根管預(yù)備后是否出現(xiàn)疼痛及疼痛的程度、特點、持續(xù)時間，并詳細記錄。

1.3 評價標準

疼痛評定標準：0級，無疼痛；1級，輕微不適；2級，輕度疼痛，不需要止痛藥物；3級，嚴重疼痛，需要口服藥物和復(fù)診。兩組分別于根管預(yù)備后24、48 h復(fù)診，并記錄術(shù)后疼痛的相關(guān)信息。

1.4 統(tǒng)計學(xué)處理

采用Epidata建立數(shù)據(jù)庫，采用SPSS 11.0軟件對數(shù)據(jù)進行統(tǒng)計分析，計量資料以（x±s）表示，采用t檢驗；計數(shù)資料以率（%）表示，采用字2檢驗，P

2 結(jié)果

兩組疼痛發(fā)生率和疼痛持續(xù)時間比較差異均無統(tǒng)計學(xué)意義（P>0.05），見表1、表2。

3 討論

目前普遍認為根管預(yù)備后疼痛原因是根管預(yù)備過程中器械損傷根尖周組織、化學(xué)沖洗液混合根管碎屑等造成的p害，大量炎性介質(zhì)釋放或激活導(dǎo)致的急性根尖周炎癥反應(yīng)[1]。機用鎳鈦機械預(yù)備可以更好地清理成形根管，減少機械刺激，臨床常用的鎳鈦器械有ProTaper和Mtwo系列，本文探討兩種器械預(yù)備根管，觀察預(yù)備后疼痛發(fā)生率和持續(xù)時間。

根管預(yù)備前，A、B兩組患牙均采用電測法測定根管工作長度，電測法準確性不受根管內(nèi)血液，滲出液的影響，可以確保根管預(yù)備器械和沖洗始終控制在工作長度內(nèi)[2-3]。A、B兩組患牙在確定工作長度前均使用10#K銼疏通根管，A組采用冠向技術(shù)預(yù)備，結(jié)果A組疼痛率為11.3%，在根管預(yù)備時，每號針預(yù)備結(jié)束均反復(fù)沖洗根管，并再次電測法測定工作長度，確保銼始終在工作長度內(nèi)工作[4]。但仍有6例疼痛病例出現(xiàn)，可能是沖洗液和根管碎屑超越根尖止點，這一結(jié)果提示無壓力沖洗和仔細預(yù)備根管同樣可以降低由機械刺激導(dǎo)致的術(shù)后疼痛。B組采用的是等長技術(shù)預(yù)備，根管預(yù)備注意要點同A組，術(shù)后疼痛率為13.5%。結(jié)果顯示A組、B組分別有24例、27例出現(xiàn)了輕微不適和術(shù)后疼痛，疼痛率明顯低于Glennon等[5]研究結(jié)果，且大部分疼痛持續(xù)時間不超過48 h。A、B兩組疼痛率差異無統(tǒng)計學(xué)意義。這一現(xiàn)象提示術(shù)中確保工作長度內(nèi)的根管預(yù)備是安全的，同時應(yīng)在少切割牙體組織的原則下，盡可能敞開根管上部，努力避免根管沖洗液和微量根管泥溢出根尖止點，杜絕各種機械刺激對預(yù)防術(shù)后疼痛是十分重要的[6-9]。

本次臨床觀察提示，影響非感染根管預(yù)備術(shù)后疼痛的主要原因來自于于機械刺激，理想的根管預(yù)備止點應(yīng)恰好位于根尖狹窄區(qū)，準確的根管工作長度和反復(fù)根管沖洗是預(yù)防術(shù)后疼痛的關(guān)鍵因素。

參考文獻

[1]鮑萍萍，范兵.根管治療約診間痛發(fā)生機制的研究進展[J].國際口腔醫(yī)學(xué)雜志，2007，34（6）：440-442.

[2] Angotti V，F(xiàn)elici R.Accuracy of three electronic apex locators in anterior and posterior teeth：An Ex Vivo Study[J].Journal of Endodontics，2010，36（12）：2003-2007.

[3] Lin T，Tian X C，Li W，et al.The effect of curvatures on the accuracy of the electronic apex locator[J].Journal of Shanghai Stomatology，2014，23（6）：685-688.

[4]黃定明，周學(xué)東.根管治療工作長度確定之惑及解決之道[J].華西口腔醫(yī)學(xué)雜志，2016，34（2）：109-114.

[5] Glennon J P，Ng Y L，Setchell D J.Prevalence of and factors affecting postpreparation pain in patients undergoing two-visit root canal treatment[J].International Endodontic Journal，2004，37（1）：29-37.

[6] Oliveira M，Biffi J.Morphometric evaluation and planning of anticurvature filing in roots of maxillary and mandibular molars[J].Brazilian Oral Research，2015，29（1）：1-9.

[7]陳青，于靜濤.不同預(yù)備方式預(yù)備根管后牙本質(zhì)裂紋產(chǎn)生狀況分析[J].中國實用口腔科雜志，2016，9（2）：85-88.

[8]倪毅.超聲蕩洗對根管預(yù)備后疼痛及療程的影響[J].世界臨床醫(yī)學(xué)，2016，10（6）：185.

防震減災(zāi)的方法范文第3篇

中圖分類號：R2-03 文獻標識碼：A 文章編號：1005-5304（2013）04-0103-05

由于中醫(yī)診斷主要根據(jù)醫(yī)生的經(jīng)驗來決定，因此，在臨床施治過程中存在較大的主觀性和不確定性等問題。在中醫(yī)診斷領(lǐng)域引進數(shù)據(jù)挖掘技術(shù)，不但符合現(xiàn)在多學(xué)科交叉發(fā)展的潮流，在解決實際問題上，無疑也是中醫(yī)客觀化進程中的又一催化劑。作為一門融合人工智能、機器學(xué)習和數(shù)理統(tǒng)計等方法的新型學(xué)科技術(shù)，數(shù)據(jù)挖掘在克服人類本身認知和思維長度的基礎(chǔ)上，充分利用海量臨床數(shù)據(jù)，通過模擬臨床診斷推理過程來挖掘臨床診斷數(shù)據(jù)中繁雜的證、癥關(guān)系，對尋求中醫(yī)專家的辨證規(guī)律有重要價值。目前，在該領(lǐng)域涉及到的數(shù)據(jù)挖掘方法較多，主要有貝葉斯網(wǎng)絡(luò)、人工神經(jīng)網(wǎng)絡(luò)、粗糙集理論、關(guān)聯(lián)分析、決策樹、聚類分析、判別分析、支持向量機、多標記學(xué)習、隨機森林等。筆者現(xiàn)對這些方法的相關(guān)應(yīng)用綜述如下。

1 常見數(shù)據(jù)挖掘方法

1.1 貝葉斯網(wǎng)絡(luò)

貝葉斯網(wǎng)絡(luò)是通過簡明的圖形方式結(jié)合統(tǒng)計理論來定性表示變量間復(fù)雜因果或概率關(guān)系的一種數(shù)據(jù)分析方法，包括網(wǎng)絡(luò)集和概率集兩部分。該方法具強大的執(zhí)行高效推理任務(wù)的功能，能充分利用先驗知識，而使其在診斷領(lǐng)域的應(yīng)用價值極大。在解決中醫(yī)定量診斷問題上，其體現(xiàn)出的功能主要表現(xiàn)在：揭示眾多癥癥之間以及癥與證間的復(fù)雜關(guān)系，探究證候的主要癥狀和次要癥狀，定量確定其診斷價值，這有助于確定證候診斷的標準和規(guī)范，而且建立的證候診斷模型以概率形式給出診斷結(jié)果，能有效輔助專家作出決策。因此，該方法對促進中醫(yī)診斷學(xué)發(fā)展所做的貢獻不可忽視。張氏等[1]對255例肺癌患者證候以癥狀之間的關(guān)聯(lián)性及關(guān)聯(lián)強度為基礎(chǔ)，利用貝葉斯網(wǎng)絡(luò)概括出了肺癌的證候要素，包括病機要素9個、病位要素5個及病機要素之主要癥狀與次要癥狀。曲氏等[2]對611例抑郁癥患者的中醫(yī)證候進行了研究，采用貝葉斯網(wǎng)絡(luò)對抑郁癥中醫(yī)癥狀進行評定，發(fā)現(xiàn)擬定的中醫(yī)證型包含了抑郁癥的核心癥狀和周邊癥狀的不同組合方式，體現(xiàn)了抑郁癥臨床多變的證候特點。范氏等[3]對收集到的1512例類風濕關(guān)節(jié)炎（RA）患者的臨床數(shù)據(jù)采用基于聚類的貝葉斯網(wǎng)絡(luò)模型，提取出了RA的7項主特征及4型的類特征，為中醫(yī)辨證分型及RA中醫(yī)診斷標準提供了臨床依據(jù)。龔氏等[4]對2501例2型糖尿病的臨床數(shù)據(jù)運用該方法分析，發(fā)現(xiàn)空腹血糖異?；颊呒疤腔t蛋白異?；颊呔躁幪摕崾⒍嘁姡秃? h血糖異?；颊邉t以陰虛多見。王氏等[5]應(yīng)用此方法通過分析474例血瘀證臨床診斷數(shù)據(jù)進行血瘀證定量診斷，發(fā)現(xiàn)了血瘀證的7個關(guān)鍵癥狀，并與此同時建立“是否血瘀證”的分類器模型，經(jīng)交叉驗證發(fā)現(xiàn)此分類器診斷準確率達96.6%。郭氏等[6]認為，證候的復(fù)雜性表現(xiàn)為證候各因素之間的高維高階性，他們運用貝葉斯網(wǎng)絡(luò)技術(shù)對肺系疾病證候構(gòu)成因素之間關(guān)聯(lián)形式進行了研究，發(fā)現(xiàn)各因素間的聯(lián)結(jié)形式是線性相關(guān)與非線性相關(guān)并存的，它們相互交織，形成復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)，表現(xiàn)出典型的非線性特征。

1.2 人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)是在對人腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)認識理解的基礎(chǔ)上人工構(gòu)造的新型信息處理系統(tǒng)。目前的神經(jīng)網(wǎng)絡(luò)模型有：用于分類、預(yù)測和模式識別的前饋式神經(jīng)網(wǎng)絡(luò)模型，用于聯(lián)想記憶和優(yōu)化計算的反饋式神經(jīng)網(wǎng)絡(luò)模型，以及用于聚類的自組織映射方法。其中前饋式神經(jīng)網(wǎng)絡(luò)模型是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)之一。對于將其應(yīng)用于中醫(yī)診斷領(lǐng)域，陳氏[7]認為，中醫(yī)學(xué)辨證施治本質(zhì)上就是對眾多數(shù)據(jù)信息進行處理并提取規(guī)律的過程，而人工神經(jīng)網(wǎng)絡(luò)恰恰具備較好獲得數(shù)據(jù)規(guī)律的能力。人工神經(jīng)網(wǎng)絡(luò)模型的優(yōu)勢主要體現(xiàn)于其黑箱結(jié)構(gòu)，這賦予人工神經(jīng)網(wǎng)絡(luò)強大的非線性擬合能力，使其能夠任意精度逼近非線性函數(shù)。

但不足的是，在中醫(yī)研究中，人工神經(jīng)網(wǎng)絡(luò)不能進行變量篩選，對其得到的結(jié)果也只是局部最優(yōu)而非全局最優(yōu)。如李氏等[8]對142例脾氣虛弱及肺脾氣虛證HIV/AIDS患者的主要實驗指標、四診信息的主要癥狀和舌象運用Clementine中的特征選擇節(jié)點進行篩選，建立脾氣虛弱和肺脾氣虛的人工神經(jīng)網(wǎng)絡(luò)模型，發(fā)現(xiàn)該模型能較好地診斷艾滋病患者脾氣虛弱和肺脾氣虛證型，其樣本模型訓(xùn)練集診斷的正確率和測試集診斷的正確率分別為87.25%和80.00%。傅氏等[9]認為，運用數(shù)據(jù)驅(qū)動模式建立中風人工神經(jīng)網(wǎng)絡(luò)模型，將為進行繁雜多變的中風證候的動態(tài)研究、掌握證候的動態(tài)演變規(guī)律及在不同時點進行療效評價提供一個新的探索方向。許氏等[10]通過對心血管疾病中醫(yī)臨床信息數(shù)據(jù)庫中的臨床信息和證候類別之間的關(guān)系進行分析，發(fā)現(xiàn)人工神經(jīng)網(wǎng)絡(luò)尤其是OCON網(wǎng)絡(luò)對該病常見的中醫(yī)證型的識別率最高，其中心氣虛證和心陽虛證分別高達92.4%、82.9%。有研究運用人工神經(jīng)網(wǎng)絡(luò)分析RA、糖尿病腎病（DN），分別建立RA和DN證候的BP網(wǎng)絡(luò)模型，并采用三倍交叉驗證的方法，發(fā)現(xiàn)這2種模型平均診斷準確率分別為90.72%、92.21%[11-12]。余氏[13]通過文獻資料和臨床資料收集選用人工神經(jīng)網(wǎng)絡(luò)等方法開展2型糖尿病證候診斷標準模型建立及對比研究，所建模型在臨床數(shù)據(jù)測試樣本的正確辨識率為73%。

1.3 粗糙集理論

粗糙集理論主要用于分析研究不完備數(shù)據(jù)，這是繼概率論、模糊集、灰色理論之后又一個刻畫不確定、不完備系統(tǒng)的有力數(shù)學(xué)工具?；谄渚哂心苡行幚砀鞣N不確定、不完備信息的強大能力，有研究者認為將其用于分析中醫(yī)癥狀-辨證要素間相關(guān)性，建立定性定量標準，有很大前景[14]。其最大優(yōu)點在于不需要問題所需處理數(shù)據(jù)之外的任何先驗信息，能夠在保留關(guān)鍵信息的前提下求得知識的最小表達式。因此，將粗糙集理論引入中醫(yī)，運用到中醫(yī)診斷上，將可能是實現(xiàn)中醫(yī)診斷智能化的又一個發(fā)展方向。

陳氏等[15]以450例老年人細菌性肺炎患者在就診過程中的285項指標為研究對象，采用粗糙集方法對已經(jīng)過初始數(shù)據(jù)處理的各數(shù)據(jù)進行挖掘分析，得到7種中老年肺炎的證候診斷標準，為療效評價指標提供了客觀依據(jù)。陳氏等[16]從與原發(fā)性高血壓相關(guān)的古今醫(yī)案中收集237例病案，對其癥狀和體征進行數(shù)據(jù)預(yù)處理，運用基于粗糙集理論的KDD決策分析系統(tǒng)Rosetta軟件約簡病證屬性，獲取到了原發(fā)性高血壓肝陽上亢證的專家知識，為進一步研究原發(fā)性高血壓肝陽上亢證奠定基礎(chǔ)。劉氏[17]運用粗糙集理論對脾胃系疾病的證候診斷進行相關(guān)研究，建立了可進行辨證分型的計算機軟件，并通過這一軟件量化標準來判斷患者所屬證候，為治療脾胃系疾病辨證提供可靠依據(jù)。謝氏[18]建立了一個基于粗集理論的中醫(yī)診斷專家系統(tǒng)模型，以模擬中醫(yī)專家診斷的過程。秦氏等[19]把粗糙集應(yīng)用于中醫(yī)類風濕證候診斷，并在類風濕病的各證候診斷上應(yīng)用。

1.4 關(guān)聯(lián)分析

在數(shù)據(jù)挖掘方法中，關(guān)聯(lián)分析常用來挖掘特征之間或者數(shù)據(jù)之間的相互依賴關(guān)系，對給定的事務(wù)數(shù)據(jù)庫找出滿足最小支持度和最小置信度的關(guān)聯(lián)規(guī)則。與其他數(shù)據(jù)分析方法不同的是，關(guān)聯(lián)規(guī)則的引入，可以從大量貌似繁雜癥與證的數(shù)據(jù)中，找到隱形的關(guān)聯(lián)，極大促進中醫(yī)診斷學(xué)的發(fā)展；并且其所得結(jié)果清晰有用，同時支持間接數(shù)據(jù)挖掘；可處理變長的數(shù)據(jù)，為尋找診斷數(shù)據(jù)中的隱性關(guān)聯(lián)帶來了方便，其計算的消耗量也可以預(yù)見[20]。

肖氏等[21]設(shè)計了一種基于遺傳算法的正相關(guān)關(guān)聯(lián)規(guī)則挖掘算法，發(fā)現(xiàn)胃部不適癥狀與處方、證候重要關(guān)聯(lián)關(guān)系。陳氏等[22]通過對400例肝硬變患者進行關(guān)聯(lián)分析，找出符合最小支持度和最小置信度并形成規(guī)則的中醫(yī)證候氣滯/氣郁證和血瘀證，這表明肝硬變和氣滯證、血瘀證之間關(guān)聯(lián)度非常高。鐘氏等[20]采用關(guān)聯(lián)規(guī)則的分析算法，探求胃炎癥狀與“中虛氣滯”辨證之間的關(guān)系，得到在中虛氣滯證中，口干欲飲這個癥狀對辨證的影響最大。

1.5 決策樹

決策樹算法是一種逼近離散值函數(shù)的方法，常用來形成分類器和預(yù)測模型，是建立在信息論基礎(chǔ)之上對數(shù)據(jù)進行分類的一種方法。岳氏[23]通過選取300例確診為小兒肺炎患者的數(shù)據(jù)為基礎(chǔ)，成功構(gòu)建了基于決策樹算法的小兒肺炎指紋辨證分類模型，準確率達84.5%。鐘氏等[20]從中醫(yī)胃炎數(shù)據(jù)中篩選出“中虛氣滯”的病歷，通過決策樹，以“中虛氣滯”為目標屬性，根據(jù)病歷中癥狀辨證是否與目標屬性相同設(shè)置“yes”和“no”兩值，再通過設(shè)置的訓(xùn)練樣例運用ID3算法構(gòu)建決策樹，以判斷未知中醫(yī)證型的病例是否歸屬“中虛氣滯”。查氏等[24]將397例已確診活動期RA患者隨機分為中藥和西藥治療組，通過對其初診中西醫(yī)癥狀及檢查結(jié)果采用決策樹進行證病信息和療效的相關(guān)關(guān)系探索，得出可從證候信息的角度獲得藥物治療的最佳適應(yīng)證，從而實現(xiàn)個體化治療。徐氏等[25]對406例慢性胃炎病例用bootstrap抽樣擴增，采用基于信息熵的決策樹c4.5算法建立中醫(yī)辨證模型，測試集模型分類符合率為81.25%。

1.6 聚類分析

聚類分析的實質(zhì)就是聚集數(shù)據(jù)成類，使類間的相似性最小，而盡可能增大類內(nèi)的相似性。其優(yōu)點是：作為一種探索性的統(tǒng)計分析方法，聚類分析方法可以在對數(shù)據(jù)沒有先驗知識的情況下對數(shù)據(jù)資料進行分類，根據(jù)數(shù)據(jù)的內(nèi)在相似或相關(guān)程度，可使得類別內(nèi)數(shù)據(jù)“差異”盡可能小，類別間“差異”盡可能大，對中醫(yī)藥領(lǐng)域中的癥狀組合規(guī)律、證候規(guī)律等方面的研究具有一定的推動作用。但由于中醫(yī)證候復(fù)雜程度較大，聚類分析在解決這些問題時存在的局限性表現(xiàn)在：①多結(jié)果，主觀性大。此分析方法無法根據(jù)數(shù)據(jù)內(nèi)部特點自主確定分為幾類，需要研究者依據(jù)其學(xué)科知識和經(jīng)驗來確定到底聚為幾類、聚到哪一類為最佳；此外，選擇不同的類間距離和變量間距離的定義方法，結(jié)果將大有不同，因此，多次嘗試、反復(fù)分析對于此類分析方法來說是必須的。②單分配，即變量只能被聚到某一類。在研究癥狀的聚類問題時，中醫(yī)的一個癥狀常需要能被聚到不同的類中，但聚類分析只能將一個癥狀歸入某一個類別里面。

李氏等[26]應(yīng)用系統(tǒng)聚類的方法對276例乙肝后肝硬化的癥狀、體征進行分析研究，得出乙肝后肝硬化基本中醫(yī)證候有濕熱內(nèi)蘊證、肝腎陰虛證、肝郁脾虛證、脾虛濕盛證、脾腎陽虛證、血瘀證、氣（陽）虛證共7類。盧氏等[27]通過制定“中醫(yī)證候臨床觀察表”，對106例兒童中間型β地中海貧血患者進行中醫(yī)證候調(diào)查，采用聚類分析等統(tǒng)計學(xué)方法得出廣州地區(qū)中間型β地中海貧血患兒中醫(yī)證候分布特點為氣血兩虛證>肝腎陰虛證>脾腎陽虛證>陰陽兩虛證，這為進一步規(guī)范化辨證論治提供了一定依據(jù)。何氏等[28]采用臨床流行病學(xué)的方法，對143例冠心病PIC術(shù)后患者的癥狀、體征等臨床資料進行了聚類分析，得出冠心病PIC術(shù)后患者證候分為氣虛痰濁、腎虛血瘀、肝氣郁結(jié)、脾氣虧虛、心氣虧虛、氣陰虧虛共6類。黃氏等[29]應(yīng)用變量聚類分析的數(shù)理統(tǒng)計方法，對慢性疲勞綜合征（CFS）進行了中醫(yī)辨證分型，并對收集到的237例CFS患者的癥狀、舌象和脈象等臨床資料進行了變量聚類分析，得出變量聚類分析能幫助CFS在中醫(yī)證候中合理分為精髓空虛、陰液虧虛、脾腎陽虛和肝火亢盛共4型，解釋比例為61.68%。

1.7 判別分析

與其他統(tǒng)計學(xué)方法不同的是，判別分析的主要目的是建立一個線性組合，使其可用最優(yōu)化的模型來概括分類之間的差異。該方法常用來根據(jù)已知數(shù)據(jù)的分類情況判斷未知待分析數(shù)據(jù)的歸屬問題等，在證候的研究方面應(yīng)用最廣。

胡氏等[30]根據(jù)所收集的413例亞健康失眠患者的中醫(yī)證型對證候變量進行逐步判別分析，建立判別函數(shù)式，得出亞健康失眠中醫(yī)證型判別函數(shù)與臨床診斷吻合良好，逐一回代法判別總一致率達81.1%。夏氏等[31]對77例慢性再生障礙性貧血（CAA）患者進行辨證分型分組，應(yīng)用逐步判別分析方法建立CAA中醫(yī)證型判別方程，篩選出了與判別方程最相關(guān)的6個免疫學(xué)和血常規(guī)指標。酈氏等[32]以腦梗死中醫(yī)證型標準化研究結(jié)果為基礎(chǔ)，采用逐步判別分析，建立了腦梗死各證型與觀察指標間的數(shù)學(xué)判別方程。趙氏等[33]對收集符合RA診斷標準的患者按照辨證對變量進行逐步判別分析，建立了一個具有較好的判別效果的判別模型。薛氏等[34]選用已進行頻數(shù)分析的文獻207篇進行肝病證候的判別分析，認為肝郁脾虛證辨證標準難以脫離疾病特點。

1.8 支持向量機

支持向量機是基于統(tǒng)計學(xué)習和結(jié)構(gòu)風險最小化原則的學(xué)習機器，可以通過核函數(shù)將低維輸入空間的數(shù)據(jù)特征投射到高維數(shù)據(jù)控件，并求得最優(yōu)分類的超平面。該算法的關(guān)鍵思想是利用核函數(shù)把一個復(fù)雜的分類任務(wù)映射，使之轉(zhuǎn)化成一個線性可分問題。在許多實際學(xué)習問題中，它允許擴大的空間維數(shù)非常大，在某些情況下可能無窮大，能較好地解決小樣本、非線性、高維數(shù)和局部最小等問題。支持向量機方法較適用于中醫(yī)診斷數(shù)據(jù)的現(xiàn)狀和對中醫(yī)臨床經(jīng)驗的總結(jié)。

徐氏等[35]以中醫(yī)心系503個樣本為例，利用支持向量機進行中醫(yī)心系證候分類研究，結(jié)果表明，該方法在證候分類中能達到較高的準確率。王氏等[36]以名醫(yī)診治冠心病典型醫(yī)案115例建立冠心病名醫(yī)診療數(shù)據(jù)庫，運用支持向量機方法提取到名醫(yī)診治冠心病8個主要證候要素并確定其定量診斷，闡釋了證候要素應(yīng)證組合規(guī)律。殷氏等[37]對舌診數(shù)據(jù)進行主成分提取，分別建立Logistic回歸和支持向量機模型，發(fā)現(xiàn)在小樣本情況下支持向量機模型更優(yōu)，敏感度達92.8%，特異度達92.3%。楊氏等[38]精選1個家系虛寒證的相關(guān)基因信息，選擇間接比較實驗方案進行基因芯片實驗，對5例虛寒證和5例正常人差異表達基因的表達值進行建模，使用支持向量機、K近鄰分類法等方法，將家系中其他人樣本帶入，發(fā)現(xiàn)其能夠正確判別。在舌象診斷鑒別上，謝氏[39]依據(jù)支持向量機理論，以徑向基函數(shù)作為核函數(shù)構(gòu)造多分類分類器，將舌象的特征參數(shù)作為輸入樣本，對病證進行分類，并以肝病病證分類做了仿真。

1.9 多標記學(xué)習方法

與其他分類方法不同的是，多標記學(xué)習方法的每個研究對象不再對應(yīng)于單一的概念標記，而是由單個示例（屬性向量）表示并對應(yīng)于多個概念標記，即一個樣本和多個類標相關(guān)聯(lián)。鑒于現(xiàn)實社會涉及到的很多真實對象往往都具多語義、多分類目標性，如疾病的證候、證型，待分類的文檔、網(wǎng)頁，生物信息學(xué)中的基因等，因此，多標記學(xué)習方法的成熟對促進這些領(lǐng)域的發(fā)展也就顯得十分重要。然而該方法存在的一個主要問題是不能充分利用各訓(xùn)練樣本所含概念標記之間的相關(guān)性，從而有效提高學(xué)習系統(tǒng)的泛化能力；此外，由于其存在復(fù)雜程度較大，運用該方法進行研究尚存在降維方法和特征選擇方法較少的不足。

針對中醫(yī)臨床證候兼夾的多標記特點，研究人員首次將多標記學(xué)習算法引入到中醫(yī)問診的客觀化研究。該研究將多標記學(xué)習結(jié)合頻次分析，應(yīng)用于冠心病的問診證候模型建立，有效提高了診斷模型的識別率；在此基礎(chǔ)上，還結(jié)合中醫(yī)數(shù)據(jù)特點，提出了多標記學(xué)習算法（REAL），并結(jié)合信息增益等特征選擇方法，挑選出常見證候的20個最優(yōu)特征，顯著提高了慢性胃炎的證候的識別率[40-41]。邵氏等[42]運用多標記學(xué)習結(jié)合混合優(yōu)化的特征選擇算法（HOML），用于冠心病中醫(yī)問診數(shù)據(jù)分析，建立了中醫(yī)冠心病數(shù)據(jù)模型，并獲得了冠心病問診癥狀的最優(yōu)特征子集。

1.10 隨機森林

隨機森林是決策樹算法的一種改進，其綜合思想是組合多棵bootstrap樣本建立的決策樹的預(yù)測，通過投票給出有效的錯判率估計、分類器強度、相關(guān)性和變量的重要性等指標。該方法對每個被分析的數(shù)據(jù)都給出了重要性的評分，在某種程度上有利于有效的特征變量的挑選，降低數(shù)據(jù)維度。隨機森林作為一種自然的非線性建模工具，具有很高的預(yù)測準確率，能很好地容忍異常值和噪聲，不易出現(xiàn)過擬合，降低分類錯誤率；也不會出現(xiàn)在bootstrap樣本中的OOB數(shù)據(jù)，還能為樣本提供一個數(shù)據(jù)內(nèi)部估計，可用來高效估計組合分類器中的泛化誤差，有助于理解分類精度以及如何提高精度。

洪氏等[43]通過引入隨機森林方法，對《慢性疲勞（CF）中醫(yī)臨床癥狀分級量化表》中的95個癥狀進行數(shù)據(jù)編碼，選取CF常見證候要素的主要癥狀并衡量癥狀對各證候要素的貢獻程度，得到了CF脾虛證、心虛證、肝郁證以及氣虛證4個證候要素的癥狀集，將各癥狀集作為模型輸入，各模型預(yù)測準確率分別為96.13%、94.75%、95.89%、94.26%。鄒氏等[44]借用特定脾虛證臨床數(shù)據(jù)集證明基于特征提取的分類集成模型比其他集成方法具更低的錯誤率，認為特征提取在降低錯誤率上作出了明顯的貢獻，但其結(jié)果是否適用于其他小樣本數(shù)據(jù)尚未證實。王氏等[45]通過文獻調(diào)研，推測使用隨機森林提取亞健康關(guān)鍵癥狀或指標可幫助亞健康狀態(tài)的判斷。

2 討論

中醫(yī)臨床診斷數(shù)據(jù)存在的一個顯著特點是證候夾兼、數(shù)據(jù)多而繁雜、各數(shù)據(jù)之間的關(guān)系藏而不現(xiàn)。因此，借助現(xiàn)代化的信息技術(shù)手段，綜合運用數(shù)理統(tǒng)計分析方法以進一步挖掘四診以及證候之間的隱性關(guān)聯(lián)具有重要意義。然而，在數(shù)理統(tǒng)計方法研究發(fā)展正處于高峰期的信息化時代，如何根據(jù)待分析的數(shù)據(jù)庫的特點選擇正確恰當?shù)姆椒ㄊ钱斍皵?shù)據(jù)挖掘首先要考慮的問題。

一個樣本量較大的數(shù)據(jù)庫，當需要進行一定的數(shù)據(jù)分類時，可能有必要對上述方法進行探索。聚類分析可滿足對數(shù)據(jù)進行一定的癥狀的組合、證候規(guī)律的挖掘；若是在已知數(shù)據(jù)的分類情況下需要對待分析數(shù)據(jù)進行分類，判別分析恰有這方面的優(yōu)勢；決策樹則在實現(xiàn)數(shù)據(jù)分類挖掘過程中的可視化方面凸顯其優(yōu)勢；隨機森林可在決策樹的基礎(chǔ)上進一步提高有效特征變量的提取率，同時還能避免數(shù)據(jù)預(yù)處理過程中的過擬合現(xiàn)象。當然，在臨床數(shù)據(jù)分析過程中也經(jīng)常出現(xiàn)數(shù)據(jù)樣本量較小、維度較高等現(xiàn)象，支持向量機方法在中醫(yī)領(lǐng)域的引進則為這些數(shù)據(jù)的分析帶來新的契機。除了對數(shù)據(jù)進行分類挖掘外，數(shù)據(jù)之間的關(guān)聯(lián)討論也是數(shù)據(jù)分析必不可少的，尤其在中醫(yī)診斷中探討各癥、證之間的關(guān)聯(lián)領(lǐng)域的應(yīng)用；在隱性關(guān)聯(lián)分析的眾多分析方法中，多標記學(xué)習法有效解決了證候夾兼的現(xiàn)象；粗糙集理論有利于建立定量定向標準；人工神經(jīng)網(wǎng)絡(luò)在識別證型上主要體現(xiàn)其強大的非線性擬合能力；此外，在探究癥與證關(guān)系上，貝葉斯網(wǎng)絡(luò)還是診斷領(lǐng)域的常用之法，該方法還可幫助我們進一步探討癥狀集中的主次癥。

總之，集各種數(shù)據(jù)挖掘方法之長于一體來對某一數(shù)據(jù)庫進行挖掘分析將為中醫(yī)界數(shù)據(jù)挖掘技術(shù)的成熟帶來不可預(yù)料的進展。目前，大部分數(shù)據(jù)挖掘方法都只是被單一采用，即使有同時運用多種挖掘方法進行數(shù)據(jù)分析，也只是對某一數(shù)據(jù)系統(tǒng)運用多種方法相互比較，所獲得的結(jié)果效用度較小。多重方法相互交融、相互補充、綜合運用于某一數(shù)據(jù)分析系統(tǒng)中的研究在在中醫(yī)領(lǐng)域尚不很成熟，或許可以成為數(shù)據(jù)挖掘在中醫(yī)藥研究中的進一步的模式和規(guī)則，為數(shù)理統(tǒng)計在中醫(yī)藥知識的創(chuàng)新和發(fā)展中開辟一條新的途徑。

參考文獻：

[1] 張霆，陳波，馬勝林，等.基于貝葉斯網(wǎng)絡(luò)的肺癌證候研究[C]//慶祝浙江省中西醫(yī)結(jié)合學(xué)會成立三十周年論文集粹.杭州：浙江省中西醫(yī)結(jié)合學(xué)會，2011：50-52.

[2] 曲森，啟盛，包祖曉.貝葉斯網(wǎng)絡(luò)模型在中醫(yī)證候研究中的應(yīng)用[C]//世界中聯(lián)第三屆中醫(yī)、中西醫(yī)結(jié)合老年醫(yī)學(xué)學(xué)術(shù)大會論文集.北京：世界中醫(yī)聯(lián)合會，2010：61-63.

[3] 范建平，李常洪，吳美琴，等.貝葉斯網(wǎng)絡(luò)在中醫(yī)診斷中的應(yīng)用研究[J].管理科學(xué)學(xué)報，2008，11（6）：143-150.

[4] 龔燕冰，倪青，高思華，等.Ⅱ型糖尿病主要理化指標與中醫(yī)證候相關(guān)性的貝葉斯網(wǎng)絡(luò)分析[J].中華中醫(yī)藥雜志，2010，25（1）：3l-33.

[5] 王學(xué)偉，瞿海斌，王階.一種基于數(shù)據(jù)挖掘的中醫(yī)定量診斷方法[J].北京中醫(yī)藥大學(xué)學(xué)報，2005，28（1）：4-7.

[6] 郭蕾，王學(xué)偉，王永炎，等.論高維高階與證候的復(fù)雜性[J].中華中醫(yī)藥雜志，2006，21（2）：76-78.

[7] 陳偉青.淺論人工神經(jīng)網(wǎng)絡(luò)在中醫(yī)學(xué)上的應(yīng)用[J].河南中醫(yī)學(xué)院學(xué)報， 2004，19（11）：12-13.

[8] 李玉森，施學(xué)忠，楊永利，等.人工神經(jīng)網(wǎng)絡(luò)在HIV/AIDS患者主要虛證診斷中的應(yīng)用[J].中華中醫(yī)藥雜志，2012，27（5）：1269-1271.

[9] 傅勤慧，裴建，惠建榮，等.中風證候動態(tài)研究現(xiàn)狀與展望：數(shù)據(jù)與模型驅(qū)動模式的應(yīng)用[J].中西醫(yī)結(jié)合學(xué)報，2011，9（12）：1292-1300.

[10] 許朝霞，王憶勤，顏建軍，等.基于支持向量機和人工神經(jīng)網(wǎng)絡(luò)的心血管疾病中醫(yī)證候分類識別研究[J].北京中醫(yī)藥大學(xué)學(xué)報，2011，34（8）：539-543.

[11] 白云靜，申洪波，孟慶剛.基于共軛梯度下降算法的類風濕性關(guān)節(jié)炎BP神經(jīng)網(wǎng)絡(luò)癥候模型研究[J].中國中醫(yī)藥信息雜志，2010，17（3）：96-97.

[12] 白云靜，申洪波，孟慶剛，等.基于人工神經(jīng)網(wǎng)絡(luò)的中醫(yī)證候非線性建模研究[J].中國中醫(yī)藥信息雜志，2007，14（7）：3-4.

[13] 余學(xué)慶.基于智能計算的2型糖尿病中醫(yī)證候診斷方法研究[D].北京：北京中醫(yī)藥大學(xué)，2007.

[14] 晏峻峰，朱文鋒.粗糙集理論在中醫(yī)證素辨證研究中的應(yīng)用[J].中國中醫(yī)基礎(chǔ)醫(yī)學(xué)雜志，2006，12（2）：90-93.

[15] 陳楚湘，沈建京，陳冰，等.運用粗糙集理論建立中老年肺炎中醫(yī)癥候診斷標準[C]//第二中國控制會議論文集.上海：中國自動化學(xué)會控制理論專業(yè)委員會，2010：40-42.

[16] 陳素玲，付爽，高云，等.基于粗糙集理論的原發(fā)性高血壓肝陽上亢證辨證系統(tǒng)的建立[J].山東中醫(yī)藥大學(xué)學(xué)報，2010，34（3）：201-203.

[17] 劉泉.粗糙集在脾胃系疾病中醫(yī)辨證中的應(yīng)用研究[D].武漢：湖北中醫(yī)學(xué)院，2008.

[18] 謝國明.基于粗集理論的中醫(yī)診斷模型的建立[J].數(shù)理醫(yī)藥學(xué)雜志， 2005，18（4）：302-304.

[19] 秦中廣，毛宗源，鄧兆智.粗糙集在中醫(yī)類風濕證候診斷中的應(yīng)用[J].中國生物醫(yī)學(xué)工程學(xué)報，2001，20（4）：357-363.

[20] 鐘穎，胡雪蕾，陸建峰.基于關(guān)聯(lián)規(guī)則和決策樹的中醫(yī)胃炎診斷分析[J].中國中醫(yī)藥信息雜志，2008，15（8）：97-99.

[21] 肖光磊，陸建峰，李文林，等.正相關(guān)關(guān)聯(lián)規(guī)則及其在中醫(yī)藥中的應(yīng)用[J].計算機工程與應(yīng)用，2010，46（6）：227-233.

[22] 陳明，楊慧芳，余蕾.基于關(guān)聯(lián)規(guī)則的肝硬變辨證數(shù)據(jù)挖掘研究[J].河南中醫(yī)雜志，2009，29（3）：258-260.

[23] 岳路.決策樹算法在小兒肺炎中醫(yī)臨床診斷中的研究與應(yīng)用[D].濟南：山東大學(xué)，2011.

[24] 查青林，何羿婷，喻建平，等.基于決策樹分析方法探索類風濕性關(guān)節(jié)炎證病信息與療效的相關(guān)關(guān)系[J].中國中西醫(yī)結(jié)合雜志，2006，26（10）：871-986.

[25] 徐蕾，賀佳，孟虹，等.基于信息熵的決策樹在慢性胃炎中醫(yī)辨證中的應(yīng)用[J].中國衛(wèi)生統(tǒng)計，2004，21（6）：329-331.

[26] 李毅，劉艷，寇小妮，等.乙肝后肝硬化癥狀學(xué)聚類研究[J].中醫(yī)藥導(dǎo)報，2012，18（2）：14-16.

[27] 盧焯明，錢新華.以聚類分析法研究兒童中間型β地中海貧血的中醫(yī)證候分布規(guī)律[J].中華中醫(yī)藥雜志，2012，27（3）：607-611.

[28] 何慶勇，王階.基于聚類分析的冠心病介入術(shù)后中醫(yī)證候分類及診斷[J].中醫(yī)雜志，2008，49（10）：918-921.

[29] 黃小波，李宗信，陳文強，等.慢性疲勞綜合征的中醫(yī)證候聚類分析[J].中華中醫(yī)藥雜志，2006，21（10）：592-594.

[30] 胡萬華，陳克龍，趙娜，等.亞健康失眠患者中醫(yī)證型的判別分析[J].中醫(yī)雜志，2012，53（2）：142-144.

[31] 夏樂敏，王運律.慢性再生障礙性貧血中醫(yī)證型判別方程的建立與使用[J].中華中醫(yī)藥學(xué)刊，2012，30（2）：409-411.

[32] 酈永平，溫淑云.腦梗死證型量化分級的判別方程研究[J].中國中醫(yī)急癥，2012，21（1）：81-82.

[33] 趙寶利，黃可兒，趙敏.類風濕關(guān)節(jié)炎中醫(yī)辨證分型的判別分析[J].中華中醫(yī)藥雜志，2012，27（1）：240-242.

[34] 薛飛飛，汪南.基于判別分析的肝病肝郁脾虛證證候特點的文獻研究[J].中華中醫(yī)藥雜志，2011，26（6）：1260-1263.

[35] 徐，王億勤，鄧峰.基于SVM的中醫(yī)心系證候分類研究[J].世界科學(xué)技術(shù)―中醫(yī)藥現(xiàn)代化，2010，12（5）：713.

[36] 王階，吳榮，周雪忠.基于支持向量機的名老中醫(yī)治療冠心病證候要素研究[J].北京中醫(yī)藥大學(xué)學(xué)報，2008，31（8）：540.

[37] 殷彬，方思行.脾虛證診斷的數(shù)學(xué)模型[J].暨南大學(xué)學(xué)報：自然科學(xué)版，2006，26（3）：363-367.

[38] 楊麗萍，黃睿，張洛欣，等.用特征功能模塊法挖掘一個虛寒證家系的基因表達譜[J].中華中醫(yī)藥雜志，2010，25（5）：683-685.

[39] 謝錚桂.基于多分類支持向量機的中醫(yī)舌診診斷的研究[J].計算機與數(shù)字工程，2008，36（11）：60.

[40] Liu GP， Li GZ， Wang YQ. Modelling of inquiry diagnosis for coronary heart disease in TCM by using multi-label learning[J]. BMC Complementary and Alternative Medicine，2010，10：37.

[41] Liu GP， Yan JJ， Wang YQ， et al. Application of multi-label learning using the relevant feature for each label （REAL） algorithm in the diagnosis of chronic gastritis[J]. Evidence- Based Complementary and Alternative Medicine，2012，6：3-5.

[42] 邵歡，李國正，劉國萍，等.多標記中醫(yī)問診數(shù)據(jù)的癥狀選擇[J].中國科學(xué)：信息科學(xué)，2011，41（11）：1372-1387.

[43] 洪燕珠，周昌樂，張志楓，等.基于隨機森林法的慢性疲勞證候要素特征癥狀的選擇[J].中醫(yī)雜志，2010，51（7）：634-638.

[44] 鄒永杰，周繼鵬，王桂香，等.基于特征提取的分類集成在脾虛證診斷中的應(yīng)用[J].計算機應(yīng)用與軟件，2010，27（3）：22-25.

防震減災(zāi)的方法范文第4篇

本文通過精簡FAS系統(tǒng)氣體保護區(qū)火災(zāi)模式觸發(fā)流程；將單一外部變量觸發(fā)模式改由FAS系統(tǒng)內(nèi)部變量觸發(fā)火災(zāi)模式；利用硬件模塊解決軟件無法實現(xiàn)的功能等技術(shù)創(chuàng)新手段解決問題。經(jīng)過現(xiàn)場實際應(yīng)用，克服了原FAS系統(tǒng)氣體防護區(qū)火災(zāi)模式號觸發(fā)條件的缺陷，使FAS系統(tǒng)更及時、更可靠、更安全。

【關(guān)鍵詞】: FAS系統(tǒng)；氣體防護區(qū)；火災(zāi)模式號；創(chuàng)新應(yīng)用

中圖分類號：X928.7 文獻標識碼：A 文章編號：

本文通過對深圳地鐵現(xiàn)有FAS系統(tǒng)氣體防護區(qū)火災(zāi)模式號的觸發(fā)條件及使用過程中存在的不足進行統(tǒng)計分析，最后采用一種較為新穎、安全有效的方案，在符合法律規(guī)范的基礎(chǔ)上解決現(xiàn)有氣體防護區(qū)模式號觸發(fā)可靠性問題，為將來地鐵新線建設(shè)提出一個新的應(yīng)用。

現(xiàn)有氣體防護區(qū)模式號觸發(fā)機制分析

當前，深圳地鐵FAS系統(tǒng)的氣體保護區(qū)域火災(zāi)模式觸發(fā)條件為單區(qū)氣體滅火控制盤REL箱監(jiān)視到氣體管道內(nèi)壓力開關(guān)動作。此種觸發(fā)機制由于是通過系統(tǒng)外部設(shè)備觸發(fā)，在可靠性、及時性和安全系數(shù)幾個方面存在一些不足。

可靠性分析：

1.1壓力開關(guān)動作為觸發(fā)模式的唯一條件，觸發(fā)條件單一，若此設(shè)備故障則無法觸發(fā)火災(zāi)模式；

1.2壓力開關(guān)屬于FAS系統(tǒng)外部設(shè)備，無法對其設(shè)備狀態(tài)進行實時監(jiān)測或進行壓力測試，不能確保其性能良好。

例如深圳地鐵某一車站19個氣體保護區(qū)火災(zāi)模式執(zhí)行情況統(tǒng)計，由于壓力開關(guān)不動作未能成功觸發(fā)火災(zāi)模式的比例高達32%。

及時性分析：

2.1FAS系統(tǒng)監(jiān)測到火災(zāi)后需要經(jīng)過30秒延時后才控制氣體釋放，當氣體經(jīng)過管道后壓力開關(guān)才會動作；

2.2火災(zāi)模式的觸發(fā)需要經(jīng)過系統(tǒng)內(nèi)部信息轉(zhuǎn)換及傳遞才可完成。

圖1-1 氣體保護區(qū)模式觸發(fā)時間統(tǒng)計

如圖1-1所示，氣體保護區(qū)火災(zāi)模式觸發(fā)時間均接進60秒，嚴重制約了火災(zāi)情況下模式的執(zhí)行速度，對車站火災(zāi)應(yīng)急處理產(chǎn)生巨大影響。

安全性分析：

3.1壓力開關(guān)易發(fā)生誤動作造成火災(zāi)模式誤執(zhí)行；

3.2壓力開關(guān)有任何缺陷將直接影響到火災(zāi)模式控制；

3.3發(fā)生火災(zāi)時啟動火災(zāi)模式緩慢，不能形成無風密閉空間甚至滲入新風，影響滅火效果；

3.4火災(zāi)模式未在氣體保護區(qū)防火閥關(guān)閉后立即執(zhí)行，造成風機、風管損壞。

表1-1 各線壓力開關(guān)問題統(tǒng)計

表1-1所示為近一年內(nèi)深圳地鐵三條線因壓力開關(guān)質(zhì)量引起的問題，因壓力開關(guān)造成火災(zāi)模式誤執(zhí)行，組織搶修就有五次之多，環(huán)中線還因壓力開關(guān)質(zhì)量問題全線更換壓力開關(guān)。

解決方案的提出

如何改進FAS系統(tǒng)氣體保護區(qū)火災(zāi)模式觸發(fā)條件，讓系統(tǒng)擺脫FAS外系統(tǒng)設(shè)備的束縛變得更及時、更可靠、更安全。根據(jù)FAS系統(tǒng)氣體保護區(qū)觸發(fā)火災(zāi)模式的機制，從探測器、壓力開關(guān)、REL氣體滅火控制盤、電磁閥、SDU程序進行考慮，結(jié)合法律法規(guī)與可行性提出以下三種可能實現(xiàn)的解決方案：

1、修改SDU程序?qū)崿F(xiàn)

氣體滅火控制系統(tǒng)SDU程序及模式與組分別如圖2-1、2-2所示。

氣體滅火控制系統(tǒng)模式號是由與組觸發(fā)，與組中任一設(shè)備動作即觸發(fā)模式號?，F(xiàn)氣體保護區(qū)模式號觸發(fā)條件只有壓力開關(guān)，方案一的方法為通過更改與組中觸發(fā)條件解決問題。

此方案實施最方便，無需增加任何硬件設(shè)備，只需更改系統(tǒng)能夠SDU程序即可實現(xiàn)設(shè)定目標。

但是，通過深入查閱SDU編程資料、試驗測試并向廠家咨詢后，發(fā)現(xiàn)由于軟件自身特點限制不能實現(xiàn)“與組”嵌套功能，無法實現(xiàn)感煙探測器與組和感溫探測器與組共同觸發(fā)模式，因此該方案不可行。

2、增加監(jiān)視模塊監(jiān)視（單區(qū)氣體滅火控制盤）REL二次火警干接點實現(xiàn)

氣體滅火控制系統(tǒng)REL控制箱內(nèi)33、34號端子在火警確認狀態(tài)下可對外輸出一個閉合的干接點信號，此方案利用一個CT1監(jiān)視模塊監(jiān)視此信號，并以此信號為條件觸發(fā)火災(zāi)模式。

此方案增加成本最低的監(jiān)視模塊監(jiān)視原有輸出即可實現(xiàn)設(shè)定目標。通過對REL箱進行測試發(fā)現(xiàn)REL箱二次火警干接點在手動狀態(tài)下，感煙探測器及感溫探測器同時動作輸出后，CT1模塊無法動作觸發(fā)火災(zāi)模式。

3、通過增加（輸入輸出）IO模塊實現(xiàn)

通過在氣體滅火控制系統(tǒng)模塊箱內(nèi)增加一個（輸入輸出）IO模塊，利用IO模塊控制寄存器實現(xiàn)不同條件下控制IO模塊輸出，再由IO模塊反饋激活與組觸發(fā)模式號。

此方案新增模式號觸發(fā)條件激活（輸入輸出）IO模塊輸出端，IO模塊輸入端立即收到反饋并觸發(fā)火災(zāi)模式。通過查閱SDU編程資料及模塊編程實驗證明此方案在理論上可以完全實現(xiàn)設(shè)定目標要求。

經(jīng)過研究分析得出結(jié)論：第一種方案無法實現(xiàn)；第二種方案可部分實現(xiàn)；第三種方案可完全實現(xiàn)。最終方案選定“增加輸入輸出模塊（IO）實現(xiàn)”。

方案創(chuàng)新點

1、簡化火災(zāi)模式觸發(fā)流程

原FAS系統(tǒng)氣體保護區(qū)通過探測裝置檢測火災(zāi)，再由氣體主機觸發(fā)REL延時30秒后輸出電磁閥控制氣體噴放，噴放的氣體觸動管道內(nèi)壓力開關(guān)動作，REL檢測到壓力開關(guān)動作后將信息傳遞到FAS主機（EST3），F(xiàn)AS主機再觸發(fā)火災(zāi)模式。改進后FAS系統(tǒng)氣體保護區(qū)通過探測裝置檢測到火災(zāi)后立即由FAS主機邏輯判斷后觸發(fā)火災(zāi)模式，其流程快速直接，大大提高了系統(tǒng)的及時性。

利用FAS系統(tǒng)設(shè)備替代外系統(tǒng)設(shè)備

原FAS系統(tǒng)氣體保護區(qū)火災(zāi)模式觸發(fā)變量為“壓力開關(guān)是否動作”，改進后通過FAS系統(tǒng)內(nèi)部設(shè)備的狀態(tài)作為變量，這樣不僅提高了FAS系統(tǒng)的穩(wěn)定性而且還提升了模式觸發(fā)的及時性、可靠性。

軟硬件結(jié)合

方案利用新增一個輸入輸出模塊（IO）作為模式控制的中轉(zhuǎn)，利用IO模塊控制端的“LOW寄存器”進行編程設(shè)計實現(xiàn)感煙探測器與組與感溫探測器與組激活模塊控制，同時利用“HIGH寄存器”實現(xiàn)緊急啟動按鈕激活模塊控制，再進行輸入輸出轉(zhuǎn)換，最后將模塊監(jiān)視納入模式與組實現(xiàn)FAS系統(tǒng)氣體保護區(qū)火災(zāi)模式觸發(fā)條件的創(chuàng)新整改。

創(chuàng)新成果

以深圳地鐵環(huán)中線西麗站為試驗點，將新方案應(yīng)用前后進行比較可以看出整改后氣體滅火控制系統(tǒng)觸發(fā)火災(zāi)模式號更加的迅速，且未出現(xiàn)無法觸發(fā)火災(zāi)模式的情況，解決了系統(tǒng)原有缺陷，大幅提升系統(tǒng)性能，發(fā)生火災(zāi)時能夠迅速執(zhí)行火災(zāi)模式保證車站內(nèi)人員及設(shè)備的安全，提升車站消防安全服務(wù)水平，收獲巨大的社會效益。

結(jié)語

地鐵作為公共交通設(shè)施，其消防安全尤為重要。FAS系統(tǒng)在發(fā)生火災(zāi)時產(chǎn)生報警信息并將火災(zāi)信息傳遞給綜合監(jiān)控系統(tǒng)以完成車站火災(zāi)應(yīng)急處理。綜合監(jiān)控系統(tǒng)與FAS系統(tǒng)之間信息的傳遞通過火災(zāi)模式號實現(xiàn)，火災(zāi)模式號觸發(fā)的及時性、穩(wěn)定性直接關(guān)系著地鐵內(nèi)的人員及設(shè)備安全。本技術(shù)創(chuàng)新應(yīng)用通過對原系統(tǒng)深入研究分析并進行二次開發(fā)，取得了豐碩的成果：

1、解決原FAS系統(tǒng)由于壓力開關(guān)誤動作導(dǎo)致系統(tǒng)報警執(zhí)行火災(zāi)模式的問題；

2、改進后FAS系統(tǒng)觸發(fā)火災(zāi)模式條件冗余，方式智能化，觸發(fā)模式更及時，更穩(wěn)定；

3、有效預(yù)防因火災(zāi)模式執(zhí)行緩慢影響七氟丙烷氣體的滅火效果及造成設(shè)備設(shè)施損壞等情況的發(fā)生；

4、先觸發(fā)執(zhí)行火災(zāi)模式，后噴放滅火劑，極大的提高了滅火質(zhì)量；

5、改進后系統(tǒng)可實現(xiàn)火災(zāi)模式控制的科學(xué)測試，有效檢驗系統(tǒng)設(shè)備的運行狀態(tài)，為火災(zāi)應(yīng)急處理提供強有力的保障。

【參考文獻】

【1】GB16806-2006消防聯(lián)動控制系統(tǒng)，中華人民共和國建設(shè)部、國家監(jiān)督檢驗檢疫監(jiān)督總局，2006

防震減災(zāi)的方法范文第5篇

關(guān)鍵詞：專業(yè)課教學(xué);虛擬裝配;運動仿真;開發(fā)

中圖分類號：G642.0 文獻標志碼：A 文章編號：1674-9324（2016）41-0234-02

職業(yè)院校的最大特點，就是培養(yǎng)學(xué)生既要有一定的理論知識，又要有較強的實際動手能力。畢業(yè)生到單位后能很快適應(yīng)本職工作，成為應(yīng)用型的高技能人才。學(xué)生實際動手能力的提高主要體現(xiàn)在專業(yè)課的教學(xué)中，多年來由于受各種因素的影響，專業(yè)課的教學(xué)效果并不能令人滿意。究其主要原因是現(xiàn)有專業(yè)課教材中許多裝配圖較為復(fù)雜，有些裝配圖不僅學(xué)生看不懂，新走上教學(xué)崗位的年輕教師也感到吃力，這些都直接影響了學(xué)生學(xué)習專業(yè)課的積極性。對此，嘗試開發(fā)專業(yè)課主要機器設(shè)備虛擬裝配及運動仿真軟件，能使學(xué)生直觀的了解機器設(shè)備的結(jié)構(gòu)原理，進而進行虛擬裝配，在虛擬裝配熟練的基礎(chǔ)上帶動實際操作，從而改善專業(yè)課的教學(xué)效果。

一、以前專業(yè)課教學(xué)存中在的兩種傾向

（一）專業(yè)課偏重于理論講解，學(xué)生缺乏實際動手操作能力

1.近幾年，由于招生規(guī)模的不斷擴大，學(xué)校原有的實訓(xùn)條件已遠遠不能滿足學(xué)生實訓(xùn)的需要，本該在實訓(xùn)車間完成的課程，由于實訓(xùn)條件有限，機器設(shè)備及其他維修課程不得不改為在教室里進行理論講解;

2.新老教師交替更新，一些實踐經(jīng)驗豐富的老教師退休或調(diào)離，許多新的、高學(xué)歷的年輕教師走上講臺，他們理論功底扎實，但大多缺乏實踐動手能力，因此，他們更偏重于將專業(yè)課教學(xué)改為在理論教室講解;

3.實際操作耗能耗材，操作不當容易造成機器設(shè)備損壞，實訓(xùn)成本較高，在學(xué)校教學(xué)經(jīng)費比較緊張的情況下，學(xué)校只有壓縮這部分經(jīng)費。因此，本應(yīng)該在實訓(xùn)車間完成的專業(yè)課教學(xué)只能在理論課堂講解，使得原本比較簡單的機器設(shè)備結(jié)構(gòu)、原理變得復(fù)雜、抽象不好理解，許多學(xué)生覺得專業(yè)課教學(xué)枯燥無味，有些干脆放棄專業(yè)課的學(xué)習。

（二）強調(diào)學(xué)生動手實踐，忽視專業(yè)課教學(xué)質(zhì)量的提高

為了改變這種單純理論教學(xué)現(xiàn)象，提高學(xué)生實際動手能力，學(xué)校將專業(yè)課教學(xué)改到實訓(xùn)車間或到企業(yè)去上，這些做法雖然較前面有一定的進步，但通過實踐發(fā)現(xiàn)還存在一些不足。主要表現(xiàn)有兩點：

1.許多實習指導(dǎo)教師多年來養(yǎng)成側(cè)重于實際操作的習慣，理論講解較少，在簡單講解完機器設(shè)備的結(jié)構(gòu)、原理后，讓學(xué)生去實際拆裝，學(xué)生只會機械地模仿拆卸裝配，拆卸方法不清、操作盲目。加上學(xué)生對機器設(shè)備的結(jié)構(gòu)、原理了解得并不充分，學(xué)生操作時經(jīng)常不按拆裝程序操作、出現(xiàn)野蠻拆卸，造成有些機器設(shè)備在很短的時間內(nèi)精度嚴重受損，甚至有些干脆報廢，后續(xù)班級沒辦法使用，達不到預(yù)期的學(xué)習目標。

2.有些學(xué)校把專業(yè)課學(xué)習放到企業(yè)進行，但企業(yè)是以生產(chǎn)為主，學(xué)生實習培訓(xùn)為輔，受生產(chǎn)環(huán)境影響，許多專業(yè)課的學(xué)習在企業(yè)得不到保證，使得專業(yè)課學(xué)習達不到預(yù)期效果。

二、虛擬裝配及運動仿真軟件的開發(fā)

針對以上專業(yè)課教學(xué)中存在的兩種傾向，通過計算機輔助繪圖軟件使用，嘗試開發(fā)專業(yè)課主要機器設(shè)備三維虛擬裝配及運動仿真軟件，使得學(xué)生的專業(yè)課學(xué)習更加直觀、形象。

（一）確定開發(fā)小組成員及開發(fā)項目

開發(fā)專業(yè)課虛擬裝配及運動仿真軟件，是一項工作量大、涉及多方面知識的工作，除了要有較強的專業(yè)知識外，還要具有吃苦耐勞、勇于鉆研的精神，由經(jīng)驗豐富的老師帶領(lǐng)部分青年教師組成課題小組并吸收個別基礎(chǔ)知識比較扎實的高年級同學(xué)參與其中。開發(fā)的項目本著由易到難的原則進行，從較為簡單的化工管路的管件及閥門開始。如彎頭、三通、大小頭和管閥、球閥、蝶閥、磁力閥等，在積累了一定經(jīng)驗后，開發(fā)化工機器設(shè)備的各種泵，前后開發(fā)了單級離心泵、齒輪油泵、雙吸泵、多級泵、磁力泵、屏蔽泵、往復(fù)泵等，在此基礎(chǔ)上，對風機、列管式換熱器等實習車間現(xiàn)有的機器設(shè)備進行開發(fā)。

（二）開發(fā)過程

整個開發(fā)過程步驟如下：

1.制定開發(fā)計劃。為了使開發(fā)工作有序、按計劃完成，開發(fā)前制定了詳細的開發(fā)計劃。計劃包括開發(fā)各項目的時間段、主要內(nèi)容、開發(fā)所需工具、量具、具體步驟及各分項目的主要負責人。

2.現(xiàn)場實際測繪。進入現(xiàn)場后，對裝配體進行逐件拆卸，為了保證工作順利進行，對每個拆下的零件編號，然后徒手繪出各零件的草圖，對標準件測量其主要尺寸并確定型號，研究每個零件的裝配方法并徒手畫出裝配示意圖或裝配草圖，然后將機器設(shè)備恢復(fù)原位。

3.在工作室核對草圖，對表達不清或尺寸不全的草圖再重新核對、訂正，對標準件核對型號及尺寸，理順各草圖之間的關(guān)系，保證各裝配體的零部件草圖及標準件、常用件型號尺寸齊全。在此基礎(chǔ)上用計算機CAD軟件畫出各裝配體的零件圖及裝配圖（或裝配示意圖）。

4.根據(jù)零件圖，用Slid Works軟件畫出各零件三維造型。在工作室進行二維草圖繪制以及三維零件造型。為了提高效率，可將裝配體的所有零件三維造型都繪制好以后，再考慮下一步裝配。

5.用已經(jīng)建好的三維零件進行機器設(shè)備的虛擬裝配，在虛擬裝配的過程中對裝不進去的零件及時調(diào)整，將其尺寸及形狀進行修改，然后重新裝配。

6.完成裝配體的拆卸及裝配爆炸圖，在爆炸圖中分步驟將裝配體裝配及拆卸步驟逐項交代清楚。

7.利用Slid Works軟件的制作動畫功能，制作出各機器設(shè)備的拆卸和裝配動畫，在動畫中強調(diào)拆卸和裝配中注意事項及重點，以便引起學(xué)生學(xué)習時的注意。

三、采用虛擬裝配及運動仿真軟件在專業(yè)課教學(xué)中傳授知識和技能

開發(fā)出專業(yè)課機器設(shè)備的虛擬裝配及運動仿真軟件后，配合機器設(shè)備的實體，指導(dǎo)教師在一體化教室的授課發(fā)生了根本性的變化。首先，指導(dǎo)教師對要拆裝的機器設(shè)備進行介紹，用三維動畫展示機器設(shè)備的結(jié)構(gòu)原理，機器設(shè)備在在馬達的帶動下旋轉(zhuǎn)起來，形象、直觀、工作原理一目了然，增加了學(xué)生學(xué)習的興趣和積極性，學(xué)生能夠直觀的掌握機器設(shè)備的結(jié)構(gòu)和工作原理。其次，指導(dǎo)教師演示虛擬拆卸，利用Slid Works創(chuàng)建爆炸圖，將機器設(shè)備上的零件按正確的拆卸順序進行虛擬拆卸，在虛擬拆卸的過程中指導(dǎo)教師邊虛擬裝拆邊告訴學(xué)生要點和注意事項，為了使學(xué)生真正消化吸收，對此可反復(fù)演示，（有條件的學(xué)?？勺寣W(xué)生在電腦上反復(fù)練習虛擬裝配）。第三，在學(xué)生掌握上述內(nèi)容的前提下，指導(dǎo)教師再帶學(xué)生到機器設(shè)備的實體前，實際演示機器設(shè)備的裝拆過程。第四，分小組讓學(xué)生實際裝拆，指導(dǎo)教師巡回檢查指導(dǎo)。第五，裝拆結(jié)束后，指導(dǎo)教師及時總結(jié)，對存在的不足重新演示糾正。最后，指導(dǎo)教師讓學(xué)生按正確的方法將機器設(shè)備裝配好，恢復(fù)場地原有布局。

四、開發(fā)虛擬裝配及運動仿真軟件在專業(yè)課教學(xué)中的應(yīng)用成效

1.通過開發(fā)專業(yè)課機器設(shè)備虛擬裝配及運動仿真軟件，有效地鍛煉了課題組成員的綜合能力，參與開發(fā)師生的徒手繪圖能力、CAD繪圖能力、Slid Works三維建模能力及專業(yè)知識和能力都有了顯著提高。

2.通過開發(fā)和使用專業(yè)課機器設(shè)備虛擬裝配及運動仿真軟件，減輕了專業(yè)課指導(dǎo)教師的教學(xué)負擔，學(xué)生掌握專業(yè)課的情況明顯好轉(zhuǎn)，教學(xué)成效顯著。

3.減少了盲目拆卸和裝配，耗材、耗能和零部件損壞情況明顯改觀，機器設(shè)備的使用壽命大幅度增加。

參考文獻：

[1]袁鋒.計算機輔助設(shè)計與制造實訓(xùn)圖庫[M].北京：機械工業(yè)出版社，2013.

[2]鄧勁蓮.機械產(chǎn)品三維建模圖冊[M].北京：機械工業(yè)出版社，2014.

[3]趙罘.常用機械機構(gòu)虛擬裝配及運動仿真40例[M].北京：機械工業(yè)出版社，2015.

[4]匡照忠.化工機器與設(shè)備[M].北京：化學(xué)工業(yè)出版社，2013.

[5]吳先文.機械設(shè)備維修技術(shù)[M].北京：人民郵電出版社，2014.

Application of Virtual Assembly and Motion Simulation Software Development in Specialized Course Teaching

JIA Ke-wen

（School of Mechanical Technique，Xin Jiang Institute of Light Industry Technology，Urumqi，Xinjiang 830021，China）