应用声强测试技术对发动机噪声源识别的研究

通过对一台增压柴油机的噪声进行声强测试,将测试得到的数据用STARAcoustics声强软件进行处理和分析,得出发动机各个包络面的等声强分布、声强矢量分布和声功率的计算结果;利用这些结果着重分析和识别了该发动机的主要噪声源,确定了其噪声源的位置、主要噪声频率成分和声功率的贡献,为降低发动机噪声提供了改进依据.结果表明,通过与9点法试验结果的定性比较,能够更准确地判断噪声源的位置及其频率分布.     

基于PCA-GA-SVM的甘蔗收获机运行状态识别

由于甘蔗收获机在收获过程中智能化水平较低,依靠人工操作很容易对甘蔗收获机的运行状态产生误判,从而造成物流通道堵塞、能源浪费、收割效率低。针对这些问题,提出一种基于主成分分析(PCA)、遗传算法(GA)和支持向量机(SVM)状态识别模型。首先,通过实地采集甘蔗收获机刀盘轴、行走轴、切段轴和风机轴扭矩和行驶速度特征信息,然后通过PCA进行数据降维,最后利用GA优化参数C、γ,使用每个特性信息来训练SVM,对甘蔗收获机运行状态进行分类。结果表明:PCA-GA-SVM状态识别模型对甘蔗收获机运行状态的识别准确率为93.75%,建模时间为3.688 s,与SVM(81.25%,9.487 s)、PCA-SVM(87.5%,5.817 s)和GA-SVM(90%,8.969 s)进行对比,该模型具有最高准确识别率和最快建模速度,具有较大的应用价值。     

农业区地下水位动态变化预测的支

当观测资料的数据量少而又存在多个相互影响或关联的变量时，常用的回归预测模型不能全面考虑多个变量。在地下水位动态变化预测中应用了一种新的方法——支持向量机方法(SVM ) , 该方法属于机器学习理论发展的最新阶段, 具有专门针对有限样本、算法复杂度与样本维数无关等优点。针对一些农区井灌水稻规模扩大而引起地下水资源紧缺的情况，以某井灌水稻地区地下水动态观测资料为研究对象，运用支持向量回归模型，描述其地下水动态变化趋势。     

OsI2基因的克隆及其植物表达载体的构建

在旱稻IRAT109干旱胁迫下cDNA芯片分析结果的基础上,通过RT-PCR,5'-RACE及3'-RACE方法,从IRAT109总RNA中扩增得到了干旱胁迫下芯片表达谱中上升表达强度第二的基因全长序列,命名为OsI2,全长有523 bp,并对基因序列结构进行了分析.该基因与全长cDNA文库中的CT836140.1有99%同源.OsI2基因编码产物对应1个包含57个氨基酸的开放阅读框(ORF),为一功能未知蛋白.其编码产物也可能对应两个中间相隔19 bp的较小ORFs(43个氨基酸和42个氨基酸),都是功能未知的蛋白.在pBI121载体的基础上,将OsI2基因与CaMV35S连接成功构建了pBl121-OsI2植物表达载体,为进一步研究其功能创造了条件.     

基于声振信号对称极坐标图像的苹果霉心病早期检测

为实现苹果早期霉心病较高精度的检测,该研究采用对称极坐标法（Symmetrized Dot Pattern,SDP）将苹果声振信号变换为雪花图,然后采用AlexNet、VGG16和ResNet50卷积神经网络以迁移学习方式深度挖掘SDP雪花图像的特征信息,将其输入到支持向量机（Support Vector Machine,SVM）分类器,对霉心程度≤7%的苹果进行检测。研究结果表明,当时间间隔系数为25和角度放大因子为50°时,健康果与早期霉心果声振信号的SDP图形状特征差异最大,在此条件下获取的SDP图经卷积神经网络AlexNet、VGG16和ResNet50提取特征并构建了不同核函数的SVM霉心果检测模型,在各类SVM模型中,ResNet50-SVM-gaus（高斯基）模型用相对较少的训练时间和参数量可取得训练集霉心果较高分类准确率,经超参数优化训练该模型对健康果和早期霉心果测试集不平衡样本（10∶1）的总体分类准确率达到96.97%,平均查准率、平均查全率、平均加权调和均值、Kappa系数和马修斯相关系数值分别为80.19%、90.36%、86.21%,82.54%和82.68%,该模型不仅对多数类的健康果保持较高分类准确率,而且对少数类的早期霉心果也具有较高判别能力。这些研究结果为声振法应用于果蔬内部病害的早期在线检测系统研发提供了技术支撑。     

长江经济带产业—碳排放—土地协同发展研究

[目的] 研究长江经济带产业发展、土地利用及碳排放指数间的内在响应关系及作用机理,为区域协同发展提供思路。[方法] 基于GM (1,1)预测模型对产业发展、土地利用及碳排放指数进行灰色预测后进行耦合协调度分析,并运用PVAR模型探讨三者间的响应关系。[结果] ①区域各要素间的耦合度高于协调度,耦合协调状态呈增长趋势,而区域内部则呈现自下游至上游的降低趋势。②土地利用强度对于产业发展于前两期呈正向冲击,产业发展对碳排放为滞后2期内的先负而后转正冲击的倒V型波动趋势,土地利用对碳排放呈现明显的正相关脉冲响应。③三要素主要依赖于自身的发展路径,但产业发展对碳排放强度的解释力高于土地利用强度对其的解释力,而随着期数的增加,二者对碳排放的影响趋势均呈现增长趋势。[结论] 经济发展过程中产业结构调整及土地利用的配置和保障不可或缺,而碳排放作为未来发展中的重要制约因素也不可忽视,探索三者间的响应关系,能够更好地为区域协调发展提供依据。     

弹性蛋白酶基因(PAE)的克隆及在毕赤酵母中的表达

以1株产弹性蛋白酶的铜绿假单胞菌(Pseudomonas aeruginosa)基因组DNA为模板,经PCR扩增得到的铜绿假单胞菌弹性蛋白酶(P.acruginosa elastase,PAE)基因,与GenBank中的序列对比发现同源性为99%.成功地构建了重组表达载体pPIC3.5K/PAE,莺组质粒Sac Ⅰ线性化后转化毕赤酵母(Pichia pastoris)菌株KM71中,通过PCR和表型鉴定表明,PAE基因已经整合到毕赤酵母染色体上.经大量筛选获得48株含高拷贝的重组毕赤酵母转化子.在甲醇诱导下,经过毕赤酵母高密度发酵进行PAE的表达,经SDS-PAGE分析.结果表明,在培养基上清中含有一明显特异性蛋白条带,大小为34kD.活性检测结果,酶活为1 060 U/mL,是出发菌株的26倍.     

Comparison of multivariate models and variable selection algorithms for rapid analysis of the chemical composition of field crops

This study evaluates the use of visible and near-infrared spectroscopy for rapid prediction of total carbon, total nitrogen, and total phosphorus concentrations in field crop samples. Two multivariate models (partial least squares regression and support vector machine regression) were compared. In addition, four spectral variable selection algorithms (competitive adaptive reweighted sampling, genetic algorithm, uninformative variable elimination, and variable importance for projection) were applied with support vector machine regression to determine the most accurate predictions. The results showed that support vector machine regression performed better than partial least squares regression for predicting the three chemical compositions. The combination of competitive adaptive reweighted sampling and support vector machine regression outperformed the other models for the predictions of total carbon and total nitrogen with high coefficients of determination of 0.91 and 0.90, respectively. For the determination of total phosphorus, the prediction accuracy of competitive adaptive reweighted sampling was comparable with the best result obtained from genetic algorithm with the coefficients of determination of 0.73 and 0.77, respectively. In conclusion, the support vector machine regression combined with competitive adaptive reweighted sampling has great potential to accurately determine the chemical composition of field crops using the visible and near-infrared spectroscopy.     

利用机器视觉与近红外光谱技术的皮蛋无损检测与分级

为了对优质蛋、次品蛋和劣质蛋这3种皮蛋进行检测及分级,该文应用机器视觉结合近红外光谱技术,研究利用皮蛋凝胶品质无损检测的分级方法。首先采集皮蛋透射光图像,提取18个图像颜色特征值,然后将所提取的18维特征利用主成分分析(principal component analysis,PCA)进行降维,对PCA降维后的3个主成分建立遗传算法优化支持向量机(genetic algorithm-support vector machine,GA-SVM)分级模型,把皮蛋样本分为两大类:可食用蛋(优质蛋与次品蛋)与不可食用蛋(劣质蛋),劣质蛋测试集识别率为100%。然后在机器视觉分类结果的基础上,利用近红外光谱技术获取可食用蛋(优质蛋与次品蛋)的原始光谱,并进行多元散射矫正(multiplicative scatter correction,MSC),利用竞争性自适应重加权算法(competitive adaptive reweighted sampling,CARS)降维提取特征波长,基于支持向量机(support vector machine,SVM)对特征波长变量建立分级模型,区分出优质蛋与次品蛋,优质蛋测试集识别率为96.49%,次品蛋识别率为94.12%。研究结果表明:基于机器视觉和近红外光谱进行皮蛋凝胶品质无损检测分级是可行的。     

基于电子鼻传感器阵列优化的甜玉米种子活力检测

针对甜玉米种子活力传统检测方法操作繁琐、重复性差等不足,该研究利用电子鼻技术建立甜玉米种子活力快速检测方法。利用电子鼻获取不同活力甜玉米种子的气味信息,再结合主成分分析(PCA,principal component analysis)、线性判别分析(LDA,linear discriminant analysis)、载荷分析(loadings)和支持向量机(SVM,support vector machine)对气味信息进行提取分析,建立甜玉米种子活力的定性定量分析模型。结果显示:PCA和LDA分析均无法区分不同活力的甜玉米种子,而SVM的鉴别效果较好。全传感器阵列数据集SVM分类判别模型训练集和预测集正确率分别为97.10%和96.67%,建模时间为30.75 s,回归预测模型训练集和预测集决定系数R~2分别为0.993和0.913,均方差误差分别为2.23%和8.50%。经Loadings分析将10个传感器阵列优化为6个。优化后传感器阵列数据集SVM分类判别模型训练集和预测集正确率分别为98.55%和96.67%,建模时间为21.81 s,回归预测模型训练集和预测集决定系数R~2分别为0.982和0.984,均方差误差分别为3.80%和3.01%。结果表明:基于SVM的电子鼻技术可以实现对不同活力甜玉米种子的高效判别和预测,将传感器阵列优化为6个,判别和预测效果均有所提升。该研究为电子鼻技术应用于甜玉米种子活力检测提供理论依据。