利用豆制品废水培养小球藻的研究

对豆制品废水培养小球藻的可行性进行了初步研究,考察豆制品废水、灭菌处理和不同营养组合条件对小球藻生长和生物量的影响及其去污效果.结果表明,豆制品废水完全适合用于小球藻的培养.利用豆制品废水进行小球藻培养过程中,只需适量添加镁离子、氮元素和磷元素.高压灭菌后培养藻的最大OD680值为2.721,而未灭菌培养藻的最大OD680值仅为1.834,废水的灭菌预处理对小球藻的生长具有显著影响.小球藻对豆制品废水有较好的去污效果,其中COD的去除率为72.9％,TN的去除率为64.2％,TP的去除率为84.9％.表明利用豆制品废水培养小球藻获得油脂的同时又实现了废水的资源化利用.     

小球藻无菌培养体系的建立及培养条件的优化

[目的]埃氏小球藻(Erichsen Chlorella)富含油脂、具有高效光合固碳能力,是生产生物柴油的优质藻种。杂菌污染和培养条件是制约小球藻生物量和油脂产量以及规模化培养生产的重要因素。为有效防除杂菌污染,优化埃氏小球藻培养条件,[方法]本试验选用5种普通抗生素即头孢霉素(Cefo)、氨苄霉素(Amp)、羧苄霉素(Car)、硫酸新霉素(Nw)和利福平霉素(Rif),检测其不同剂量和组合对埃氏小球藻除菌效果及生长的影响。分析初始接种量、藻液pH、培养温度和盐浓度等因子对埃氏小球藻生长的影响。[结果]综合评定各项指标,建立埃氏小球藻无菌培养体系和优化的培养条件。[结论]抗生素组合为Rif+Cefo(30mL·L~(-1)+100mL·L~(-1));最适培养条件为:接种的初始OD值0.2,pH范围8.5~9.5,培养温度(25±0.5)℃,盐浓度<0.01mol·L~(-1)。     

小球藻生长及关键营养元素代谢规律的研究

[目的]探索小球藻生长过程中关键营养元素代谢的基本规律,优化小球藻大规模培养工艺。[方法]以新型、高效的平板气升环流式光生物反应器为模式反应器培养小球藻,定时检测均匀鼓泡流下小球藻的生长状况和培养液中氮、磷、钾、钙、镁、铁等关键营养元素的浓度。[结果]小球藻在264 h内的干重浓度接近线性增加趋势;铁元素在48 h后几乎消耗殆尽;氮和磷元素在168 h后降至较低水平;镁和钙元素在96 h降至较低水平后不再明显下降;钾元素虽然是小球藻生长的重要组成元素,但其浓度始终处于波动状态,变化并不显著。[结论]小球藻的元素代谢主要发生在168 h前,各种元素的代谢速率有显著差异;生长后期虽然大多数营养元素比较缺乏,但在持续光照和通入足够二氧化碳的条件下小球藻仍然可以继续生长一段时间。     

3种微藻在特定波长下的光密度与其单位干重·细胞浓度间的关系研究

[目的]测定3种微藻的生物量,实现3种微藻的光密度、单位干重和细胞浓度间的相互换算。[方法]测定蛋白核小球藻、杜氏盐藻和钝顶螺旋藻在680、630和560nm下的OD值及其单位干重和细胞浓度,并进行线性拟合。[结果]3种微藻的OD值与其单位干重、细胞浓度（钝顶螺旋藻除外）均呈较好的线性关系,相应的回归方程为：小球藻细胞浓度（万个/ml）=1557 OD680-34.716,小球藻单位干重（mg/ml培养液）=0.2074 OD680＋0.0022;杜氏盐藻的细胞浓度（万个/ml）=901.98 OD630＋5.1408,杜氏盐藻单位干重（mg/ml培养液）=0.7516 OD630＋0.015;钝顶螺旋藻单位干重（mg/ml培养液）=0.2394 OD560-0.0001。[结论]在一定范围内,可以通过相应的线性方程,快速、方便地测定3种微藻的生物量,并实现相应微藻3种生物量指标间的相互换算,从而为相应微藻生物量的测定比较提供依据。     

光密度法与计数法测定3种能源微藻细胞生长的相关性及其验证

[目的]探讨3种能源微藻细胞数量和藻液光密度之间的相关性,验证以光密度法测定细胞生长密度的可行性,为能源微藻的生长和生理生化研究提供简便方法与参考依据.[方法]选取三角褐指藻Phaeod1actylum tricornutum、亚心形扁藻Platymonas subcordiformis和海洋小球藻Chlorella vulgaris 3种能源微藻为生物材料,以添加f/2营养液的人工海水为培养介质,在植物培养箱中利用三角瓶进行一次性培养试验.利用显微镜计数法观测微藻的细胞密度,测定各藻液在680 nm处的光密度值,并进行线性拟合获取回归方程,比较两种测定方法所得的藻细胞密度值.[结果]3种能源微藻的细胞密度与藻液光密度有显著的线性正相关,其回归方程分别为:三角褐指藻细胞密度(104个/mL)=1405OD680-59.745,R2=0.9942;亚心形扁藻细胞密度(104个/mL)=216.94 OD680+0.9743,R2=0.9947;海洋小球藻细胞密度(104个/mL )=2170.1 OD680+ 18.569,R2=0.9927.在各微藻生长第5、7和9d中,利用显微镜计数法所得细胞数目和光密度法换算所得细胞数目没有明显差别.[结论]光密度法是一种可测定微藻细胞生长的快速、简便、有效的方法,可广泛应用于能源微藻的生长、生理生化研究.     

分批补料及缺氮培养对小球藻油脂产量的影响(英文)

[目的]为了实现小球藻的高密度及高产油培养。[方法]通过分析分批培养过程中藻细胞的生长曲线,葡萄糖消耗曲线,pH及溶氧变化曲线,对小球藻进行分批补料,待藻细胞达到一定的高密度后再进行缺氮培养以富集细胞内的油脂。[结果]经过4次分批补料,小球藻的生物量达到了65.25g/L,然后进行缺氮培养12h,然后进行缺氮培养12h,小球藻的油脂含量由42.75%提高到63.82%,油脂含量达43.37g/L。[结论]合理的分批补料明显地提高了小球藻的生物量。缺氮培养进一步提高了小球藻的油脂含量。     

分批补料及缺氮培养对小球藻油脂产量的影响

[目的]为了实现小球藻的高密度及高产油培养。[方法]通过分析分批培养过程中藻细胞的生长曲线、葡萄糖消耗曲线、pH及溶氧变化曲线,对小球藻进行分批补料,待藻细胞达到一定的高密度后再进行缺氮培养以富集细胞内的油脂。[结果]经过4次分批补料,小球藻的生物量达到了65.25 g/L,然后进行缺氮培养12 h,小球藻的油脂含量由42.75%提高到了63.82%,油脂产量达43.37 g/L。[结论]合理的分批补料明显地提高了小球藻的生物量。缺氮培养进一步提高了小球藻的油脂含量。     

废水资源化小球藻对拟南芥生长的肥效研究

[目的]探究废水资源化小球藻在植物营养方面的高值化利用潜能。[方法]研究小球藻对污水中氨氮、磷的吸收率,以及不同小球藻处理对拟南芥植株生长的生物肥效及对土壤酶活性的影响。[结果]供试水样中氨氮和正磷酸盐含量分别为100和50 mg/L时,小球藻对其的去除率分别达到80.12%和62.72%;不同处理的废水培养小球藻藻液以追肥的形式施入拟南芥盆栽植物,与CK相比,藻液肥对拟南芥株高、根长及土壤酶活性均有不同程度的促进作用。[结论]小球藻对污水中氨氮、磷酸盐具有较高的吸收效率,废水资源化小球藻对拟南芥的生长具有一定的生物肥效,该新型肥料具备高值化的开发潜力。     

蛋白核小球藻无菌培养体系的建立

[目的]为了建立蛋白核小球藻无菌培养体系。[方法]选取卡那霉素、链霉素、庆大霉素、氨苄青霉素、潮霉素和头孢霉素6种常用抗生素,比较蛋白核小球藻的除菌和纯化效果。同时,对比蛋白核小球藻对不同浓度的卡那霉素和潮霉素的耐受性以及单独使用卡那霉素和潮霉素的多次除菌效果。[结果]卡那霉素和潮霉素对涂布带菌藻液的抑菌和除菌效果明显,其他4种抗生素的抑菌效果较差;小球藻对不同抗生素的耐受性不同,蛋白核小球藻对潮霉素敏感,50 mg/L就可以明显抑制其的生长,而对卡那霉素的敏感性要低得多,在200 mg/L时其生长受到显著抑制。[结论]考虑到高浓度卡那霉素对蛋白核小球藻生长的抑制作用,最终确定用50 mg/L卡那霉素连续3次除菌处理的方式建立蛋白核小球藻的无菌培养体系;同时,测得纯化培养的蛋白核小球藻藻液在685 nm处具有最大吸收峰,在此波长下小球藻的细胞浓度与吸光值呈线性相关,可用A685来估测蛋白核小球藻浓度。     

基于BP神经网络对苹果呼吸强度的预测

应用BP神经网络,通过苹果贮藏期间多维数据与呼吸强度的相关分析确定网络的拓扑结构,建立苹果呼吸强度的人工神经网络模型.仿真结果表明,该神经网络能很好地拟合不同贮藏条件下的呼吸强度,模型预测精度达到90%以上.同时,通过遗传算法优化BP神经网络的初始权值和阈值矩阵,使神经网络的预测精度进一步提高.     

基于遗传算法优化的BP神经网络进行水稻氮素营养诊断

应用遗传算法优化BP神经网络进行水稻氮素营养诊断，为水稻的合理施氮提供理论指导。水稻田间试验供试品种为‘两优培九’，设置4个施氮水平（0、210、300、390 kg·hm-2）。在水稻幼穗分化期，扫描获取水稻顶部第三完全展开叶图像，并通过图像处理技术获取19维水稻图像中的颜色和几何形态特征，采用归一化处理、离散小波变换及主成分分析对原始数据进行预处理，并应用遗传算法优化的BP神经网络进行水稻氮素营养诊断。该方法建立的水稻氮素营养诊断模型较单一BP神经网络模型和传统遗传算法优化BP神经网络模型好，模型测试所得4个施氮水平的平均识别率分别为100.000%、99.000%、97.000%、100.000%，测试集样本平均总识别率达到99.000%。基于遗传算法优化的BP神经网络所建立的水稻氮素营养诊断模型具有较强的学习能力和泛化能力，能够很好地识别出水稻氮素营养的缺失，表明运用该方法能够很好地进行水稻氮素营养诊断识别。     

基于遗传神经网络的陕西省土地利用结构模型研究

针对土地利用结构变化的复杂特征与BP人工神经网络在预测应用上的缺陷,利用遗传算法来优化BP人工神经网络模型,形成了遗传算法与BP网络结合的遗传神经网络模型,通过运用matlab软件编制神经网络和遗传神经网络程序,实现模型的建立。证明遗传神经网络用于土地利用结构的预测是可行和有效的,有着良好的前景。     

基于粒子群的支持向量机SVR冰情预报研究

[目的]研究基于粒子群算法优化支持向量机SVR的黄河宁蒙段封河、开河日期预报模型。[方法]采用相关分析和成因分析相结合的方法选取合适的冰情预报因子组合,并运用粒子群算优化方法确定最优参数构建预报模型,将其运用到黄河宁蒙段封开河日期预报中。[结果]该模型预报精度高、运行时间短,预报平均误差为3.51 d,平均运行时间为10.464 s,预报效果明显优于遗传算法优化的支持向量回归与反向传播式神经网络,能够较准确地对封开河日期做出预报。[结论]基于粒子群算法优化支持向量回归的方法可以用于冰情预报。     

基于BP神经网络的土壤贮水量预报模型研究

[目的]为实现作物的实时灌溉提供科学依据。[方法]利用实测气象资料、桓台县节水灌溉试验站2008～2009冬小麦试验资料等建立BP神经网络预报模型,应用Matlab神经网络工具箱,采用Trainlm算法进行模型训练,对试验田的土壤贮水量进行预测。[结果]基于BP神经网络的土壤贮水量预报模型的泛化能力较强;在冬小麦日耗水量较大的拔节、扬花、灌浆3个时期,该模型的预报精度较高,稳定性较好。[结论]基于BP神经网络的土壤贮水量预报模型在冬小麦耗水较大时期的模拟值具有较高的精度。     

基于神经网络及近红外光谱的草莓成熟度快速识别方法

[目的]探究快速检验草莓的成熟度、提高草莓采摘自动化水平的方法。[方法]采集350～2 500 nm波段草莓的光谱信息,提取光谱的一阶导数值并进行主成分分析,取2个主成分并获得了主成分中贡献率最大的6个峰值点,将各个峰值点两侧各取5个波段点作为特征点。随机选取58个样本组成60×58的矩阵作为训练集,导入用Matlab建立的人工BP神经网络中进行训练。[结果]利用测试集进行识别模型的检验,识别正确率达到93.1%。[结论]利用近红外光谱对草莓成熟度进行识别是可行的。     

基于PSO–BP算法的油菜籽干燥工艺参数的优化

结合神经网络和粒子群算法(PSO)对油菜籽干燥工艺进行优化:采用BP神经网络建立油菜籽平均水分下降速率和发芽率与干燥温度、初始含水率、真空度之间的三层网络预测模型,利用试验样本数据计算并确定预测模型的网络权值及阈值,再采用PSO算法进行参数优化。试验验证结果表明,对比BP网络模型和PSO–BP模型,发现BP网络仿真值相对误差最大值为4.5%,而PSO–BP仿真值最大相对误差小于2.93%。     

基于MATLAB神经网络的温室草皮腾发量预测研究

[目的]明确基于MATLAB的BP神经网络预测温室草皮腾发量的可行性。[方法]在9月温室实测气象资料的基础上,对温室内的平均气温、相对湿度、光照强度和草皮日腾发量(ET)进行回归分析,建立了BP网络ET预报模型(BP-ET)。[结果]气温、光照强度与草皮腾发量呈显著正相关(P<0.05),相对湿度与草皮腾发量呈显著负相关(P<0.05)。BP神经网络模型具有极高的拟合精度,9月资料检验预报模型的平均相对误差为5.58%,模拟与检验均有很高的拟合精度。BP网络可以用于草皮日腾发量的预测,是对传统草皮日腾发量计算的补充。[结论]该研究为气象数据缺测条件下温室草皮日腾发量的估算提供了新思路。     

BP人工神经网络模型在太湖水污染指标预测中的应用

【目的】利用BP人工神经网络模型预测太湖水污染指标,为探讨湖泊水污染物变化规律提供参考。【方法】利用2004～2010年浙江嘉兴王江泾断面自动监测站4项水质指标,建立了太湖水污染BP人工神经网络模型,并对太湖2012年前5周的水质情况进行预测。【结果】建立了浙江嘉兴王江泾断面的4项水质指标浓度的三层BP神经网络预测模型,其预测精度较高,对湖泊水环境污染物预测的适应性较好;对太湖2012年前5周的水质情况进行预测,结果表明,2012年前5周水质污染情况加重,基本为Ⅴ类水质,符合太湖水质污染情况发展态势。【结论】BP人工神经网络具有很强的非线性映射能力和柔性的网络结构,与传统的统计建模方法相比,其预测精度较高,能较好地反映水质指标的内在变化规律,为控制水环境污染提供了科学预测方法。     

遗传算法优化BP网络的汛期降水预测模型

针对BP算法易陷入局部极小、收敛速度慢等缺点,遗传算法是全局优化算法和具有很强的全局搜索能力,遗传算法优化BP神经网络初始连接权值和阈值形成混合算法.以安徽宣城市为例,将汛期降水量作为预测对象,前期74项大气环流特征量、500 hPa、100 hPa月平均高度场、月平均海平面气压场和月平均海温场资料中选取预测因子,建立汛期降水短期气候预测模型.结果表明,该方法计算稳定,预报误差小,具有实用价值.     

基于遗传算法改进 BP 神经网络的遥感影像分类研究

遥感影像分类是遥感信息提取的重要手段,是目前遥感技术中的热点研究内容,有效地选择合适的分类方法是提高遥感影像分类精度的关键。BP神经网络具有收敛快和自学习、自适应性强的特点。在遥感图像分类中,BP神经网络能充分利用样本集的信息,自动建立分类模型,但由于BP神经网络的权值和阀值能直接影响BP神经网络模型的分类精度,因此该研究通过遗传算法来确定BP神经网络的最优权值和阀值,从而提高BP神经网络的分类精度。以LandsatTM遥感图像作为数据源,以长江中游一武汉市为研究地区,建立了基于BP神经网络模型的遥感分类模型和基于遗传算法改进BP神经网络模型的分类模型,对分类结果进行了定量分析。结果表明：在样本相同的情况下,基于遗传算法改进BP神经网络的遥感影像分类精度要高于BP神经网络的遥感影像分类精度。