药品扩散中的优化控制及其数值方法

被引量 : 0次 | 上传用户:epigeige
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
许多实际问题中的物理、医学、化学、生物过程都可以用扩散方程来描述.为了证明药物有效成分的溶解与扩散对药物的生物利用度以及药效和研究药物载体对药物溶解与扩散性质的影响,从而需要确定合适的扩散系数,本文就是以此为目的展开研究的.针对药品扩散问题中的扩散系数难于获取的问题以及溶液本身及药品可溶性,本文提出了对不同容器形状的优化控制模型及其相应的数学方法来反演模拟过程,从而提高了药物的安全性、实用性和有效性.本文具体结构如下:第一章为绪论,主要介绍了本论文的研究背景和选题依据,以及研究内容、
其他文献
在过去的几年中,一些非随机化的技术被引入带有敏感问题的抽样调查以协助调查者获得尽可能真实的信息.然而,诸如十字交叉模型、三角模型、隐藏敏感性(HS)模型和多分类三角模型
Burgers方程是一个双曲-抛物型方程,它描述物理问题的对流和耗散的综合过程,它兼有一阶波动方程和热传导方程的特性Burgers方程也可以作为Navier-stokes方程的特例.因此,对Bu
学位
分形插值函数是美国数学家M.F.Balnsley于1986年首先提出来的,它为数据拟合提供了一种新的插值方法。近年来,分形插值方法在许多实际应用领域得到了越来越广泛的应用。本文主要
学位
随着信息时代的到来,科研工作中经常会遇到大量的高维数据。例如图像检索、模式识别、人类基因分布、特征分类等。为了便于数据分析和探测数据的内部结构,通常采用数据降维的
最小二乘支持向量机(LSSVM)是支持向量机(SVM)的一种变形,被广泛的应用于分类与回归问题中。与SVM解二次规划问题相比,LSSVM可转化为解一组线性方程组,从而提高了训练速度,但是失