网上赌场真人发牌-澳门网上赌场空城

本成果采用最新的深度學(xué)習(xí)和分子模擬算法，結(jié)合新一代分子特征化方法，開發(fā)了多種計(jì)算機(jī)模型，可用于藥物開發(fā)中的多個(gè)階段，為藥物的快速設(shè)計(jì)開發(fā)提供一個(gè)完整的基于人工智能的解決方案。 成果：1.藥物毒性預(yù)測(cè)方法：傳統(tǒng)的化合物毒性檢測(cè)技術(shù)一般需要使用生化試驗(yàn)、細(xì)胞實(shí)驗(yàn)、甚至動(dòng)物模型，這些方法不僅耗費(fèi)大量時(shí)間，而且成本很高。使用計(jì)算模型進(jìn)行有機(jī)化合物的毒性預(yù)測(cè)，所需投入較少，但產(chǎn)出巨大。特別是基于化合物的物理化學(xué)和結(jié)構(gòu)特性的計(jì)算模型，甚至能夠在化合物合成之前就對(duì)其進(jìn)行預(yù)測(cè)，大大提高了效率，使其越來越受到歡迎。在進(jìn)行體外和體內(nèi)試驗(yàn)之前先使用計(jì)算機(jī)模型對(duì)化合物進(jìn)行大規(guī)模的毒性篩選，能夠更好地解決候選藥物具有毒性的問題。我們建立了一套新的基于多種分子指紋和機(jī)器學(xué)習(xí)算法的化合物毒性預(yù)測(cè)集成學(xué)習(xí)算法，運(yùn)用此集成學(xué)習(xí)算法建立了新的有機(jī)化合物致癌性、致突變性和肝毒性預(yù)測(cè)模型。我們分別建立了名為CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性預(yù)測(cè))、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突變性預(yù)測(cè))、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性預(yù)測(cè))的預(yù)測(cè)服務(wù)器，這些服務(wù)器能夠?yàn)槭褂谜咛峁└咝Ц憬莸念A(yù)測(cè)技術(shù)服務(wù)。自2017年服務(wù)器發(fā)表起，我們已為國(guó)內(nèi)外藥物分子設(shè)計(jì)研究者提供了5000多次共計(jì)超過20多萬個(gè)化合物的毒性預(yù)測(cè)服務(wù)。在有機(jī)化合物毒性預(yù)測(cè)研究方向，我們主要完成了化合物的細(xì)胞毒性、心臟毒性、生殖毒性、血腦屏障透過性、水生生物毒性預(yù)測(cè)模型，以及糖尿病早期篩查模型的開發(fā)，正在進(jìn)行P450酶阻滯劑性預(yù)測(cè)模型、基于圖神經(jīng)網(wǎng)絡(luò)的毒性預(yù)測(cè)算法研究、基于分子對(duì)接的化合物毒性預(yù)測(cè)研究等。相關(guān)研究成果已發(fā)表多篇學(xué)術(shù)論文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次數(shù)80，ESI 1%高被引論文；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.） 致癌性預(yù)測(cè)服務(wù)器首頁 致癌性預(yù)測(cè)結(jié)果頁 相關(guān)綜述對(duì)本服務(wù)器的介紹 RF-hERG-Score預(yù)測(cè)藥物引起的hERG相關(guān)心臟毒性 2.藥物設(shè)計(jì)方法：在計(jì)算機(jī)上對(duì)藥物靶點(diǎn)和藥物分子的結(jié)構(gòu)和活性建模，計(jì)算藥物與靶點(diǎn)之間的相互作用關(guān)系，從而設(shè)計(jì)出具有治療作用的藥物。計(jì)算機(jī)輔助藥物設(shè)計(jì)可以為藥物設(shè)計(jì)各階段的實(shí)驗(yàn)方案提供有意義的指導(dǎo)，減少需要通過實(shí)驗(yàn)評(píng)估的候選藥物的數(shù)量，從而加快新藥研發(fā)速度。我們應(yīng)用分子對(duì)接、分子動(dòng)力學(xué)模擬、自由能計(jì)算、機(jī)器學(xué)習(xí)等方法研究流感病毒等重要疾病的計(jì)算機(jī)輔助藥物設(shè)計(jì)、并開發(fā)更有效的計(jì)算機(jī)輔助藥物設(shè)計(jì)方法。在計(jì)算機(jī)輔助藥物設(shè)計(jì)研究我們主要完成了流感病毒M2質(zhì)子通道蛋白抑制劑虛擬篩選方法研究，正在進(jìn)行先導(dǎo)化合物生成模型研究、基于機(jī)器學(xué)習(xí)的虛擬篩選打分函數(shù)算法開發(fā)、SARS-CoV-2病毒S蛋白與受體相互作用及藥物設(shè)計(jì)研究。 特異性重打分函數(shù)顯著虛擬篩選性能顯著較高 篩選出兩個(gè)候選抑制劑 3.藥物靶點(diǎn)識(shí)別方法：長(zhǎng)非編碼RNA（lncRNA）是一種長(zhǎng)度在200nt至100,000nt之間的非編碼RNA，是轉(zhuǎn)錄物的主要成分。研究表明lncRNA在許多生物學(xué)和病理學(xué)過程中起著重要作用。lncRNA起作用的重要途徑是與其靶蛋白結(jié)合。lncRNA-蛋白質(zhì)相互作用的實(shí)驗(yàn)研究需要大量資源。累積的實(shí)驗(yàn)數(shù)據(jù)使得通過計(jì)算方法預(yù)測(cè)lncRNA-蛋白質(zhì)相互作用成為可能。我們使用各種數(shù)學(xué)建模和機(jī)器學(xué)習(xí)方法開發(fā)了幾種用于預(yù)測(cè)lncRNA-蛋白質(zhì)相互作用的新模型。這些模型命名為：RWLPAP（隨機(jī)游走），LPI-NRLMF（鄰域正則化邏輯矩陣分解），IRWNRLPI（集成隨機(jī)游走和鄰域規(guī)則化Logistic矩陣分解），LPI-BNPRA（雙向網(wǎng)絡(luò)投影推薦算法），LPI-ETSLP（基于特征值變換的半監(jiān)督鏈路預(yù)測(cè)），HLPI-Ensemble（集成學(xué)習(xí)）。在交叉驗(yàn)證中，我們的模型獲得了較好的預(yù)測(cè)性能。 lncRNA-蛋白質(zhì)相互作用預(yù)測(cè)模型的性能比較 lncRNA-蛋白質(zhì)相互作用預(yù)測(cè)服務(wù)器相關(guān)軟件著作權(quán)：

圖1. 礦識(shí)的4個(gè)頁面 a: 選取待識(shí)別的礦物，可現(xiàn)場(chǎng)拍照獲取或從手機(jī)相冊(cè)中選取 b: 截取待識(shí)別礦物中心圖 c: 輸入便攜硬度儀測(cè)量或經(jīng)驗(yàn)估計(jì)所得的硬度值后得到識(shí)別結(jié)果 d: 可以不使用硬度值，僅用圖片進(jìn)行識(shí)別 表1 礦識(shí)與其他相關(guān)工作的對(duì)比 圖片類型 相關(guān)研究 性能 可識(shí)別礦物數(shù) 準(zhǔn)確率(%) Raman spectroscopy 拉曼光譜 Computers & geosciences 2013 6 83.0 Microscope 顯微鏡 Sensors 2019 4 90.9 Mathematical and Computational Applications 2011 5 93.9 Photo 相機(jī)圖片 Artificial Intelligence in Theory and Practice, 2008 6 91.0 Minerals 2019 12 74.2 photo & hardness 相機(jī)圖片+硬度 礦識(shí) 36 90.6   表2 礦識(shí)能夠識(shí)別的36種礦物及其準(zhǔn)確率 礦物名 樣本數(shù)  僅用圖片識(shí)別的正確數(shù) 結(jié)合圖片與硬度識(shí)別的正確數(shù) Agate瑪瑙 5 5 5 almandine鐵鋁榴石 6 4 4 azurite藍(lán)銅礦 2 1 2 beryl綠柱石 1 1 1 chalcopyrite黃銅礦 2 1 2 cinnabar辰砂 1 1 1 copper銅 2 2 2 fluorite螢石，氟石 11 8 10 galena方鉛礦 3 2 3 halite石鹽 1 1 1 hematite赤鐵礦 8 1 5 malachite孔雀石 6 5 5 opal歐泊 1 1 1 orpiment雌黃 3 1 3 pyrite黃鐵礦 6 5 6 quartz石英 4 4 4 sphalerite閃鋅礦 1 0 0 stibnite輝銻礦 8 7 8 sulphur硫磺 2 2 2 total 73 52 65 Accuracy \ 71.2% 89%    

本平臺(tái)基于SAAS云模式，以大數(shù)據(jù)與人工智能技術(shù)為支撐，解決了多中心醫(yī)學(xué)健康研究、藥物試驗(yàn)、慢病管理、隨訪管理等各類臨床數(shù)據(jù)采集與分析問題，集成了輕量級(jí)項(xiàng)目管理、多終端靈活病例采集、支持隊(duì)列與隨機(jī)對(duì)照的臨床試驗(yàn)設(shè)計(jì)、數(shù)據(jù)采集、數(shù)據(jù)質(zhì)控、生物樣本庫、數(shù)據(jù)統(tǒng)計(jì)分析以及臨床資料數(shù)據(jù)存儲(chǔ)管理等功能，有效提高臨床科研、流行病調(diào)查、臨床試驗(yàn)和健康隨訪的流程化數(shù)據(jù)全生命周期的管理效率，保障了臨床數(shù)據(jù)真實(shí)性和有效性。平臺(tái)提供了項(xiàng)目管理、臨床業(yè)務(wù)管理（隨訪管理、隊(duì)列數(shù)據(jù)采集、隨機(jī)試驗(yàn)、流程規(guī)劃、慢病管理）、盲法設(shè)定、郵件提醒（微信掃描）、CRF表庫管理、受試者管理（電子病歷管理與知情同意書）、數(shù)據(jù)分析、數(shù)據(jù)高級(jí)檢索、生物樣本庫管理、數(shù)據(jù)集管理與共享、知識(shí)庫管理、平臺(tái)門戶（新聞公告）、公開注冊(cè)、微信集成與智能通知、用戶管理、機(jī)構(gòu)倫理審核與管理、日志管理、字典管理、菜單管理、角色管理、數(shù)據(jù)留痕等服務(wù)，幫助快速配置和積累各臨床科室CRF表和數(shù)據(jù)采集（教育培訓(xùn)）流程規(guī)劃，形成臨床大數(shù)據(jù)采集、管理與分析平臺(tái)，提供全生命周期的臨床數(shù)據(jù)服務(wù)，服務(wù)于醫(yī)院隨訪管理、隊(duì)列研究、臨床評(píng)價(jià)、醫(yī)學(xué)健康調(diào)查、慢病管理、健康管理等各類臨床業(yè)務(wù)，積累臨床大數(shù)據(jù)資源，促進(jìn)醫(yī)學(xué)科學(xué)發(fā)展。

項(xiàng)目成果/簡(jiǎn)介:數(shù)據(jù)采集技術(shù)可穿戴傳感器是接觸式傳感器。加速度傳感器測(cè)量運(yùn)動(dòng)加速度，心率、血壓和血氧傳感器檢測(cè)心率、血壓等生理數(shù)據(jù)?？蓪⒉煌膫鞲衅骷稍谥悄苁汁h(huán)、腳環(huán)、腰帶等可穿戴設(shè)備中，以實(shí)現(xiàn)加速度、角速度和生理等數(shù)據(jù)的采集；物體和環(huán)境傳感器是非接觸式傳感器，常見的物體傳感器基于RFID技術(shù)，通常用于身份、物流等信息的識(shí)別。常見的環(huán)境傳感器有聲音傳感器、磁力計(jì)、氣壓傳感器、溫濕度傳感器和PM 2.5傳感器等，實(shí)現(xiàn)各種環(huán)境信息的采集。多模態(tài)傳輸技術(shù)LPWAN (Low-Power Wide-Area Network，低功率廣域網(wǎng)絡(luò))在LPWAN技術(shù)出現(xiàn)以前，通信技術(shù)已經(jīng)有多種類別，短距離的有wifi、藍(lán)牙、zigbee等，長(zhǎng)距離的則有2G、3G、4G、5G等，但是如果把這些無線通信技術(shù)按照功耗與傳輸距離這兩個(gè)維度劃分的話可以發(fā)現(xiàn)在功耗低、距離遠(yuǎn)這個(gè)范圍的技術(shù)還欠缺，而LPWAN技術(shù)的出現(xiàn)正好彌補(bǔ)了這個(gè)短板。       LPWAN可分為兩類：一類是工作于未授權(quán)頻譜的LoRa、SigFox等技術(shù)；另一類是工作于授權(quán)頻譜的基于蜂窩組網(wǎng)的通信技術(shù)，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 專為低帶寬、低功耗、遠(yuǎn)距離、大量連接的物聯(lián)網(wǎng)應(yīng)用而設(shè)計(jì)。最具前景的LPWAN技術(shù)——NB-IoT和LoRa：物聯(lián)網(wǎng)（IoT）應(yīng)用需要考慮諸多因素，例如節(jié)點(diǎn)成本、網(wǎng)絡(luò)成本、電池壽命、數(shù)據(jù)傳輸速率(吞吐率)、延遲、移動(dòng)性、網(wǎng)絡(luò)覆蓋范圍以及部署類型等，可以說沒有一種技術(shù)可以滿足IoT所有的需求。NB-IoT和LoRa兩種技術(shù)具有不同的技術(shù)和商業(yè)特性，也是最有發(fā)展前景的兩個(gè)低功耗廣域網(wǎng)通信技術(shù)。這兩種LPWAN技術(shù)都有覆蓋廣、連接多、速率低、成本低、功耗小等特點(diǎn)，都適合低功耗物聯(lián)網(wǎng)應(yīng)用。LoRa （Long Range）:   一個(gè)LoRaWAN網(wǎng)絡(luò)架構(gòu)中包含了終端、基站、NS(網(wǎng)絡(luò)服務(wù)器)、應(yīng)用服務(wù)器這四個(gè)部分。基站和終端之間采用星型網(wǎng)絡(luò)拓?fù)洌捎贚oRa的長(zhǎng)距離特性，它們之間得以使用單跳傳輸，終端節(jié)點(diǎn)可以同時(shí)發(fā)送信息給多個(gè)基站。基站則對(duì)NS和終端之間的LoRaWAN協(xié)議數(shù)據(jù)做轉(zhuǎn)發(fā)處理，將LoRaWAN數(shù)據(jù)分別承載在了LoRa射頻傳輸和TCP/IP上。NB-IoT（Narrow Band Internet of Things）NB-IoT構(gòu)建基于蜂窩網(wǎng)絡(luò)，只消耗大約180KHz的帶寬，可直接部署于GSM網(wǎng)絡(luò)、UMTS網(wǎng)絡(luò)或LTE網(wǎng)絡(luò)。NB-IoT是IoT領(lǐng)域一個(gè)新興的技術(shù)，支持低功耗設(shè)備在廣域網(wǎng)的蜂窩數(shù)據(jù)連接。NB-IoT支持待機(jī)時(shí)間長(zhǎng)、對(duì)網(wǎng)絡(luò)連接要求較高設(shè)備的高效連接。NB-IoT具備四大特點(diǎn)：一是廣覆蓋，將提供改進(jìn)的室內(nèi)覆蓋，在同樣的頻段下，NB-IoT比現(xiàn)有的LTE網(wǎng)絡(luò)增益提升20dB，覆蓋面積擴(kuò)大100倍；二是具備支撐海量連接的能力，NB-IoT一個(gè)扇區(qū)能夠支持10萬個(gè)連接，支持低延時(shí)敏感度、超低的設(shè)備成本、低設(shè)備功耗和優(yōu)化的網(wǎng)絡(luò)架構(gòu)；三是更低功耗，NB-IoT終端模塊的待機(jī)時(shí)間可長(zhǎng)達(dá)10年；四是更低的模塊成本，企業(yè)預(yù)期的單個(gè)接連模塊不超過5美元。數(shù)據(jù)分析技術(shù)人工智能研究的各個(gè)分支，包括專家系統(tǒng)、機(jī)器學(xué)習(xí)、進(jìn)化計(jì)算、模糊邏輯、計(jì)算機(jī)視覺、自然語言處理、推薦系統(tǒng)等。2012年以后，得益于數(shù)據(jù)量的上漲、運(yùn)算力的提升和機(jī)器學(xué)習(xí)新算法（深度學(xué)習(xí)）的出現(xiàn)，人工智能開始大爆發(fā)。機(jī)器學(xué)習(xí)是一種實(shí)現(xiàn)人工智能的方法，深度學(xué)習(xí)是一種實(shí)現(xiàn)機(jī)器學(xué)習(xí)的技術(shù)。機(jī)器學(xué)習(xí)是用大量的數(shù)據(jù)來“訓(xùn)練”，通過各種算法從數(shù)據(jù)中學(xué)習(xí)如何完成任務(wù)。深度學(xué)習(xí)本來并不是一種獨(dú)立的學(xué)習(xí)方法，但由于近幾年該領(lǐng)域發(fā)展迅猛，一些其特有的學(xué)習(xí)手段相繼被提出（如殘差網(wǎng)絡(luò)），因此越來越多的人將其單獨(dú)看作一種學(xué)習(xí)的方法。深度學(xué)習(xí)的各種算法已成為行為識(shí)別主要應(yīng)用的技術(shù)，傳感器采集的各類信號(hào)，通過卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)等分類，識(shí)別出坐、走、跑、跳、上下樓等日常行為，也可以實(shí)現(xiàn)對(duì)被監(jiān)護(hù)者摔倒等異常行為的檢測(cè)。應(yīng)用范圍:家居智慧控制，提高舒適度：家庭生活狀態(tài)統(tǒng)計(jì)和日常需求預(yù)測(cè)與推薦；多模態(tài)行為分析和數(shù)據(jù)采集和傳輸系統(tǒng)；多模態(tài)行為數(shù)據(jù)采集和分析平臺(tái)；基于LoRaWAN/5G的工廠環(huán)境、農(nóng)業(yè)大棚等環(huán)境監(jiān)測(cè)系統(tǒng)。技術(shù)成熟度:通過中試

本儀器是紡織總會(huì)作為纖維細(xì)度及含量測(cè)定的標(biāo)準(zhǔn)儀器，利用先進(jìn)的光學(xué)和計(jì)算機(jī)圖像處理系統(tǒng)來測(cè)量各種纖維直徑和分析纖維表面的綜合儀器。是毛、麻、棉紡、化纖、羽絨行業(yè)、畜牧業(yè)，商檢、纖檢系統(tǒng)的必備檢驗(yàn)設(shè)備。 本儀器具有圖像清晰、分辨率高、檢測(cè)快速可靠的特點(diǎn)?？稍谄胀▽?shí)驗(yàn)室條件下穩(wěn)定工作及可將測(cè)量到的原始數(shù)據(jù)，利用數(shù)據(jù)處理平臺(tái)進(jìn)行分類統(tǒng)計(jì)，獲得最終定量分析結(jié)果并可打印輸出數(shù)據(jù)報(bào)表及直方圖。 技術(shù)規(guī)格： 1．投影系統(tǒng)，采用放大500倍，符合國(guó)際標(biāo)準(zhǔn)A方法檢測(cè)和國(guó)家標(biāo)準(zhǔn)B方法檢測(cè)。目視系統(tǒng)可放大960倍。 2．計(jì)算機(jī)顯示系統(tǒng)：光學(xué)成像CCD轉(zhuǎn)化成數(shù)字圖像，并由計(jì)算機(jī)專用軟件對(duì)數(shù)字圖像進(jìn)行處理。 3．內(nèi)置纖維平均直徑、變異系數(shù)、標(biāo)準(zhǔn)偏差計(jì)算，根據(jù)國(guó)家標(biāo)準(zhǔn)GBl0685—89、國(guó)際標(biāo)準(zhǔn)RS0137-85制定。 測(cè)量范圍為2-200μm，圓型截纖維；測(cè)量精度±0．5μm；測(cè)量重復(fù)性±0．1μm：測(cè)量速度500根／10min。

本實(shí)用新型公開了一種基于單片機(jī)控制的智能液晶遙控風(fēng)扇系統(tǒng)裝置。包括按鍵模塊、電源模塊、液晶顯示模塊、紅外遙控模塊、輸出控制模塊、負(fù)離子發(fā)生模塊和單片機(jī)，其中：所述單片機(jī)采用T46R47單片機(jī)，為八位高性能精簡(jiǎn)指令集單片機(jī)，具有多輸入/輸出口；所述電源模塊為系統(tǒng)提供穩(wěn)定的直流電源，將單相交流電經(jīng)過阻容降壓，半波整流電路，濾波電路和穩(wěn)壓電路轉(zhuǎn)化成穩(wěn)定的直流電源；所述液晶顯示模塊用于系統(tǒng)狀態(tài)的顯示；所述紅外遙控模塊由發(fā)送和接收兩個(gè)部分組成。本實(shí)用新型具有液晶顯示功能，利用傳感器可顯示室內(nèi)溫度；風(fēng)速可進(jìn)行調(diào)

可以量產(chǎn)/n汽車制造業(yè)目前的裝配線物料采用按序批量供給方式，存在線邊零部件庫存大、占地需求大、效率低、易產(chǎn)生漏裝與錯(cuò)裝等弊端。該項(xiàng)目攻關(guān)重點(diǎn)聚焦混流物料并行配送調(diào)度、動(dòng)態(tài)路徑規(guī)劃與實(shí)時(shí)沖突消解、物料傻瓜式撿配與全流程驗(yàn)證、柔性化物料配送裝置與配送線用戶定制重組等難點(diǎn)，研制了乘用車柔性裝配線物料智能配送系統(tǒng)，廣泛應(yīng)用于汽車制造行業(yè)，促進(jìn)了其技術(shù)水平的提升。該項(xiàng)目成果已通過湖北省科技廳組織的鑒定，已獲授權(quán)發(fā)明專利2項(xiàng)，授權(quán)實(shí)用新型專利5項(xiàng)，軟件著作權(quán)2項(xiàng)。

鐵路勘測(cè)設(shè)計(jì)一體化、智能化是系統(tǒng)地研究和建立以數(shù)字化信息為基礎(chǔ)，以計(jì)算機(jī)應(yīng)用技術(shù)拉通勘測(cè)設(shè)計(jì)全過程為主要特征的新的生產(chǎn)作業(yè)模式。所以，該系統(tǒng)應(yīng)將使用各種勘察手段所采集的鐵路線路及其相關(guān)的地形、地理、地質(zhì)、水文等資料加工成數(shù)字化信息，通過接口界面進(jìn)行信息處理并傳輸?shù)焦こ虜?shù)據(jù)庫中。先進(jìn)的計(jì)算機(jī)網(wǎng)絡(luò)必須覆蓋各專業(yè)CAD終端，各專業(yè)在集成化設(shè)計(jì)環(huán)境中共享工程數(shù)據(jù)的信息，完成本專業(yè)設(shè)計(jì)，同時(shí)輸出數(shù)字化和可視化的設(shè)計(jì)成果，供后序?qū)I(yè)應(yīng)用。設(shè)計(jì)完成后，全部CAD設(shè)計(jì)電子文件通過網(wǎng)絡(luò)直接歸檔，從而實(shí)現(xiàn)鐵路勘測(cè)設(shè)計(jì)一體化。隨著各專業(yè)設(shè)計(jì)專家系統(tǒng)的建成與不斷完善，再實(shí)現(xiàn)勘測(cè)設(shè)計(jì)智能化。在一體化新的作業(yè)模式下，勘測(cè)設(shè)計(jì)的全過程可以理解為對(duì)一般數(shù)字化信息流的采集、加工和擴(kuò)充的過程。外業(yè)的勘測(cè)和勘探資料是這股數(shù)字化信息流的源頭，各專業(yè)的設(shè)計(jì)工作是對(duì)信息流的加工和擴(kuò)充。最終完成的數(shù)字化信息就是設(shè)計(jì)成果和歸檔資料。設(shè)計(jì)與管理所面向的不再是原來的書面資料和圖紙，而是在工程數(shù)據(jù)庫統(tǒng)一管理下，在網(wǎng)絡(luò)的終端上有序受控流動(dòng)的數(shù)字化信息流。所以，實(shí)現(xiàn)勘測(cè)設(shè)計(jì)一體化的過程就是從以非數(shù)字化為基礎(chǔ)的現(xiàn)有作業(yè)模式向以數(shù)字化為基礎(chǔ)的新的作業(yè)模式轉(zhuǎn)化的過程。實(shí)現(xiàn)這一轉(zhuǎn)化需要建立新的勘測(cè)設(shè)計(jì)流程，研究解決新模式帶來的一系列技術(shù)層面和管理層面的關(guān)鍵問題。 1)勘測(cè)設(shè)計(jì)資料數(shù)字化是新的生產(chǎn)作業(yè)模式的基礎(chǔ)，只有后道工序需用計(jì)算機(jī)處理的資料是數(shù)字化的資料，才能保證整個(gè)設(shè)計(jì)過程形成數(shù)字化的信息流。這就需要外業(yè)勘測(cè)時(shí)盡量利用各種測(cè)量?jī)x器的數(shù)字化功能，使第一手資料即是數(shù)字化的形式，同時(shí)資料整理必須利用計(jì)算機(jī)來完成，才能獲得滿足內(nèi)業(yè)設(shè)計(jì)要求的數(shù)字化勘測(cè)成果。為了實(shí)現(xiàn)外業(yè)數(shù)字化勘測(cè)，重點(diǎn)應(yīng)研究以下問題：充分開發(fā)利用航測(cè)、全站儀及各種遙感設(shè)備的數(shù)字化功能；研究既有地圖如何實(shí)現(xiàn)高精度、高清晰度掃描數(shù)字化處理；開發(fā)在勘測(cè)現(xiàn)場(chǎng)的鐵路線路初步設(shè)計(jì)方案比選系統(tǒng)，改變外業(yè)隊(duì)的作業(yè)方式，建立與數(shù)字化勘測(cè)相適應(yīng)的裝備水平、勞動(dòng)組織、作業(yè)內(nèi)容和管理制度。 2)建立工程數(shù)據(jù)庫是新的生產(chǎn)作業(yè)模式的核心，新模式與原有模式的重大區(qū)別之一就是外業(yè)與內(nèi)業(yè)之間、各專業(yè)這間需要共享的數(shù)據(jù)都要通過數(shù)據(jù)進(jìn)行存取，所有的設(shè)計(jì)成果都由數(shù)據(jù)進(jìn)行保存與管理。所以，如何開發(fā)一個(gè)符合鐵路勘測(cè)設(shè)計(jì)行業(yè)特點(diǎn)、功能強(qiáng)大的工程數(shù)據(jù)庫管理系統(tǒng)是本項(xiàng)目研究的一個(gè)重點(diǎn)。為此，需要研究與解決以下關(guān)鍵技術(shù)問題：做好標(biāo)準(zhǔn)化工作，制定鐵路勘測(cè)設(shè)計(jì)一體化數(shù)據(jù)格式標(biāo)準(zhǔn)，規(guī)定每個(gè)專業(yè)的哪些數(shù)據(jù)需要進(jìn)；如何處理非結(jié)構(gòu)化數(shù)據(jù)；如何制定適應(yīng)鐵路勘測(cè)設(shè)計(jì)特點(diǎn)的數(shù)據(jù)結(jié)構(gòu)。 3)建立鐵路勘測(cè)設(shè)計(jì)集成化設(shè)計(jì)環(huán)境是新的生產(chǎn)作業(yè)模式的關(guān)鍵，新模式與原有模式的重大區(qū)別之一，就是全部?jī)?nèi)業(yè)設(shè)計(jì)均在集成化設(shè)計(jì)環(huán)境中進(jìn)行。設(shè)計(jì)集成化環(huán)境是以計(jì)算機(jī)網(wǎng)絡(luò)為平臺(tái)，工程數(shù)據(jù)為核心，設(shè)計(jì)流程管理為主線，各專業(yè)設(shè)計(jì)軟件與程序數(shù)據(jù)庫接口為主要內(nèi)容的計(jì)算機(jī)集成應(yīng)用體系。為此，需要研究與解決以下關(guān)鍵技術(shù)頭題：建設(shè)技術(shù)先進(jìn)的計(jì)算機(jī)網(wǎng)絡(luò)系統(tǒng)；研究出一種適應(yīng)各種軟件和各種數(shù)據(jù)需求的專業(yè)設(shè)計(jì)軟件與工程數(shù)據(jù)庫的接口方案；開發(fā)設(shè)計(jì)流程管理系統(tǒng)，保證整個(gè)設(shè)計(jì)在受控，有序的條件下進(jìn)行。從而實(shí)現(xiàn)完全消除專業(yè)間書面資料的往來傳動(dòng)，每個(gè)設(shè)計(jì)人員在自己的計(jì)算機(jī)站點(diǎn)上就可完成設(shè)計(jì)和前后工各種間的信息交換。 4)建成計(jì)算機(jī)檔案管理系統(tǒng)是新的生產(chǎn)作業(yè)模式的重要內(nèi)容，新模式與原有模式的重大區(qū)別之一，就是全部電子設(shè)計(jì)文件采用光盤存儲(chǔ)并由計(jì)算機(jī)管理。計(jì)算機(jī)檔案管理可實(shí)現(xiàn)在網(wǎng)絡(luò)環(huán)境下直接檢索、查詢、瀏覽和下載電子檔案文件，并為電子設(shè)計(jì)文件重復(fù)利用提供了極大的方便。為此，需要研究與解決以下關(guān)鍵技術(shù)問題。正確處理管理型軟件與管理方式之間的關(guān)系，就是說，所編的檔案管理軟件應(yīng)滿足行業(yè)的需要，適應(yīng)各設(shè)計(jì)院在檔案管理上存在種種差別的實(shí)際情況，而不是讓各設(shè)計(jì)院改變檔案管理方式來適應(yīng)所編的軟件；能瀏覽各種格式的電子文件，使軟件具有良好的實(shí)用性。 5)采用人工智能技術(shù)是實(shí)現(xiàn)鐵路勘測(cè)設(shè)計(jì)智能化的主要途徑。傳統(tǒng)CAD技術(shù)的特點(diǎn)是輔助設(shè)計(jì)人員進(jìn)行計(jì)算與繪圖，沒有智能功能。總結(jié)國(guó)內(nèi)外經(jīng)驗(yàn)后，我們認(rèn)為，以專家系統(tǒng)、智能CAD為主要內(nèi)容的人工智能技術(shù)在鐵路設(shè)計(jì)中的應(yīng)用是實(shí)現(xiàn)鐵路勘測(cè)設(shè)計(jì)智能化的主要途徑。鐵路選線是帶全局性的非常錯(cuò)綜復(fù)雜的設(shè)計(jì)問題，一直以人工以驗(yàn)為主進(jìn)行設(shè)計(jì)，只能對(duì)有限的方案進(jìn)行研究，設(shè)計(jì)周期長(zhǎng)，推薦方案往往不是最優(yōu)的。所以，必須要研究鐵路新線設(shè)計(jì)智能CAD系統(tǒng)，以提高設(shè)計(jì)質(zhì)量。采用綜合地質(zhì)勘探方法來解決特定的工程地質(zhì)問題被證明是行這有效的。由于綜合地質(zhì)勘探模式有幾十種，采用哪一種模式來解決某一個(gè)具體工程地質(zhì)問題往往是很復(fù)雜的、模糊的。采用的模式不適合，就不能有效地解決問題，所以要研究鐵路地質(zhì)綜合勘探方法專家決策支持系統(tǒng)，以顯著提高地質(zhì)工作質(zhì)量