文摘针对风电机组齿轮箱油温趋势预测中存在的信号非线性、多变量相关、各相关变量之间存在数据冗余等问题,同时为了克服人工神经网络离线训练的不足,该文提出了一种基于主成分分析（principal component analysis,PCA）和动态神经网络的齿轮箱油温趋势预测模型,并结合统计过程控制（statistical process control,SPC）实现该模型在线学习能力。确定影响油温变化的相关变量集,利用PCA消除相关变量间的数据冗余,采用有外部输入的非线性自回归动态神经网络（nonlinear autoregressive with external input,NARX）对油温和相关变量集进行建模,采用考虑残差分布规律的SPC方法控制模型在线学习行为。实际应用结果表明：该方法具有较高的稳定性和准确度,能够有效实现油温趋势预测。
文摘目的:探讨于第一产程不同时期使用硬膜外阻滞分娩镇痛对母婴结局的影响。方法:选取足月初产妇144例,未实施分娩镇痛者为对照组,实施分娩镇痛者为观察组,并按照实施分娩镇痛的时机分为观察组1(宫口扩张<3 cm)、观察组2(宫口扩张3~4 cm)和观察组3(宫口扩张>4 cm)。比较各组产程时间、中转剖宫产率、会阴侧切率、助产分娩率及新生儿Apgar评分。结果:观察组1组的第一产程时间均显著长于其他组(P<0.01),各组第二产程、第三产程时间比较差异均无统计学意义(P>0.05)。观察组自然分娩率高于对照组(P<0.05);观察组分娩中转剖宫产率低于对照组(P<0.01)。各观察组间侧切分娩率、助产分娩率比较差异均无统计学意义(P>0.05);各观察组比较观察组3组自然分娩率显著高于观察组1组(P<0.01),观察组3组中转剖宫产率显著低于观察组1组(P<0.01)。观察组1、2、3组及对照组新生儿的1 min Apgar评分、5 min Apgar评分比较差异均无统计学意义(P>0.05)。结论:应用分娩镇痛技术可显著降低分娩中转剖宫产率,减少剖宫产术对母儿造成的不良影响,可在临床工作中推广和应用,可优先选择宫口扩张3~4 cm时应用分娩镇痛。
