提高5G网络的能源效率:机器学习方法
5G网络部署支持大量设备,数据速率高,能耗大。有效管理这种能量的需要是这项工作的主要动力。这项工作的重点是利用机器学习提高5G网络的能源效率。使用Python编程语言对G-net track pro生成的5G生产数据集进行分析。使用显著指标识别的关键显著特征获得的结果表明,为避免过拟合和优化模型性能,估计量的数量不应超过25个,梯度下降的最大深度不应超过9个。开发了5种算法,包括随机森林算法、梯度增强算法、xgboost算法、套索算法和山脊叠加算法;脊状叠加算法比单独的算法表现得更好,其均方根误差(RMSE)值为1.931,R^2误差为1.321,这是衡量回归模型如何最好地适应数据的标准。xgboost算法的RMSE值为1.943,R^2误差为0.114,优于所有单独的算法。
洋葱鳞茎、胡萝卜天然染料的提取与表征根和姜黄(姜黄Longa)根
以洋葱、胡萝卜和姜黄为原料,以乙醇为提取溶剂,研究了洋葱、胡萝卜和姜黄中天然染料的提取与表征,探讨了天然染料的物理性质和光谱特征。得到的染料颜色分别为深褐色、深红色和深橙色,洋葱、胡萝卜和姜黄的染料得率分别为5.00%、11.10%和16.00%。他们还进行了其他物理分析,如熔点、溶解度和pH值测定。经物理分析,得到的熔点为26?-洋葱和34?胡萝卜46?——姜黄。溶解性试验表明,洋葱不溶于冷水而溶于热水,胡萝卜溶于冷水,姜黄溶于冷水而溶于热水。洋葱的pH值为4.04,胡萝卜的pH值为4.57,姜黄的pH值为5.25,这表明每种提取的染料中都含有酸性成分。还进行了光谱分析,观察到所有染料都在可见区域吸收,结果还显示洋葱、胡萝卜和姜黄的最大吸收波长分别为400nm、400nm和420nm,这表明每种染料提取物中都存在共轭键和发色团。 Fourier Transformed Infra-Red (FTIR) spectroscopic analyses were also carried out on the dye stuff and the results showed various peaks with IR frequencies. The peaks at 3288 cm-1, 3257 cm-1, and 3339 cm-1 for onion, carrot and turmeric respectively is an indicative of the presence of O-H stretch, H-bonded of alcohol/phenol in the dyestuffs. The peaks at 1640 cm-1, 1636 cm-1, and 1677 cm-1 are indicative of the -C=C- stretch of conjugated alkene/ ketone. And the peaks at 1408 cm-1, 1408 cm-1 and 1580 cm-1 for onion, carrot and turmeric dye extracts respectively are indicative of -C-C- stretch in rings (aromatics). The peaks at 1777 cm-1 and 1710 cm-1 for onion and carrot are indicative of presence of C=O stretch of carbonyl group/carboxylic acids. These spectral features relate to the main quality attributes of the three dyestuffs that can be determined using infrared spectroscopy. Based on obtained results, it can be concluded that the quality parameters of the natural dyestuffs from onion(Allium cepa),carrot (DaucuscarotaL.) and turmeric(Curcuma longa) can be predicted based on spectral features.
通过ARIMA模型预测菲律宾国家首都地区选定鱼类商品的月价格
研究人员旨在从2016-2022年收集的数据中分析国家首都地区选定的鱼类商品的价格行为,如bangus (milkfish)、罗非鱼(chicichlid鱼)、galunggong(蓝鲭鱼)、alumahan(长颚鲭鱼)、tambakol(黄鳍金枪鱼)、dalagangbukid(山少女)、alimasag(螃蟹)、pusit(鱿鱼)、hipon(虾)和lato(海葡萄)。本研究共采用84个观测值和10个变量。这些数据来自渔业和水产资源局。本研究使用EVIEWS应用程序,使用ARIMA模型(自回归综合移动平均)预测2023-2027年这些选定的鱼类商品的价格。研究人员遵循了一种研究范式,将其应用于数据,从而得出预期的结果。研究表明,最佳ARIMA模型为bangus ARIMA(1,1,1)、罗非鱼ARIMA(1,1,1)、galungong ARIMA(1,1,1)、alumahan ARIMA(1,1,1)、tambakolARIMA(1,2,1)、dalagangbukid ARIMA(8,1,8)、alimasag ARIMA(6,1,6)、pusit ARIMA(12,1,12)、hipon ARIMA(1,1,1)和lato ARIMA(3,1,3)。这项研究对于评估影响经济的未来价格具有重要意义。
利用DigSILENT进行风电系统谐波分析
本文对DigSILENT环境下风力发电系统在线性和非线性负荷情况下的谐波进行了分析。风电场系统谐波分析是研究非正弦系统环境下连接设备行为的必要条件。采用Digsilent仿真软件对风电机组与同步发电机连接进行建模,分析采用同步无功补偿器(SVC)作为有功电压和无功功率的支持,提高电力系统的稳定性。为线性和非线性负载建立了仿真模型,并对这些负载单独进行了电压和电流谐波分析,有SVC和没有SVC。结果表明,SVC的引入显著地缓解了谐波问题。
凸函数类和星形函数类组合子类的系数估计
引入一类解析函数,得到了解析函数f(z)= z+ (n=2)^a_n z^n,|z|<1的泛函|a_3-µa_2^2 |的锐上界,并具有趋向于类星形函数PIE/2的特殊特征
Sushruta Samhita -基于web的应用程序
Sushruta-Samhita是一个基于网络的平台,旨在弥合医生和患者之间的差距。当疾病/患者的病情不那么严重时,这个平台提供了很大的帮助。目标是构建用户友好的web应用程序,包括一个病人仪表板和一个医生仪表板。也可以使医患之间以及医患之间的沟通尽可能顺畅,并简化患者的搜索过程。Sushruta-Samhita是一个全堆栈的web应用程序,数据库可用于训练和测试ML模型,从而创建一个平台,可以根据症状建议完美的医生。由于这个平台,患者和医生的旅行时间可以大幅减少,患者将能够找到由三个优先事项决定的完美匹配的医生,这三个优先事项是症状、专业和评级。