基于大数据技术加料机预警系统的研制

通过润叶加料工序加料系统故障分析发现,加料系统出现故障前,由于故障表征不明显,具有瞬间跳变性,没有被相关人员捕捉到,导致设备运行状态变差,最终造成加料系统故障。运用大数据对原有加料机加料模块的设备管理进行归纳和总结,从而建立预警模型,研发一套智能的设备预警系统,及时、快速地找到故障点位,实现精准预测维修。结果表明,诊断故障点位时间可缩短为20 min,大大缩短了诊断故障点位的时间,提高了车间的生产效率。     

感光型优质杂交稻新组合宜优嘉7种植表现及高产栽培技术

总结中籼感光型三系杂交稻新组合宜优嘉7在三明市的种植表现及高产栽培技术。     

FAdV-4感染对白羽肉鸡外周血细胞、血液生化指标和炎症因子的影响

采用Ⅰ群禽腺病毒血清4型(FAdV-4)人工感染白羽肉鸡,于感染3、6、12、24 h时检测并分析FAdV-4对肉鸡外周血细胞、血液生化指标和炎症因子的影响.结果表明,3～24 h时,被FAdV-4感染的时间越长,肉鸡外周血细胞病毒载量越高.对于外周血细胞,肉鸡红细胞数与病毒载量呈负相关,感染6 h时较未攻毒组显著减少(P<0.05);白细胞数与病毒载量呈正相关,感染6 h时较未攻毒组显著增加(P<0.05);感染12、24 h时,血小板数较未攻毒组显著增加(P<0.05).对于血液生化指标,感染3～24 h时,肉鸡血液中的血糖浓度较未攻毒组显著升高(P<0.05),甘油三酯浓度较未攻毒组显著下降(P<0.05);感染6、24 h时,总蛋白含量较未攻毒组显著下降(P<0.05).对于炎症因子,感染3～24 h时,肉鸡外周血中组胺和缓激肽的含量较未攻毒组显著增加(P<0.05);感染6 h时,白介素-1β(IL-1β)、白介素-6(IL-6)和P物质的含量与未攻毒组的差异不显著(P>0.05),感染3、12、24 h时较未攻毒组显著增加(P...     

夏玉米区域试验工作建议

长期以来,通过玉米区域试验工作,为国家和省（市、区）的玉米品种审定、利用和推广提供了大量的科学数据,受到了各级政府的高度重视。随着栽培条件的改变,玉米区域试验工作也应当适当调整,笔者根据多年玉米区域试验工作的实践,对如何进一步搞好玉米区域试验工作提出以下建议。     

对CALIS中外文对照工具书101字段第一指示符取值的探讨

对CALIS中外文对照工具书的101字段第一指示符的取值情况进行了调研,对取值不规范、不统一的实例进行了归纳总结;结合编目工作实际,分析、探讨了中外文对照读物101字段第一指示符的取值原则。     

猪肉鸡蛋价格全线回落

国家统计局最新发布的数据显示,"十一"黄金周前后节庆因素并未掀起物价波澜,备受关注的猪肉和鸡蛋等农产品价格均出现了回落。国家统计局公布的50个城市主要食品平均价格变动情况(2011年9月21~30日)显示,猪肉价格在这一阶段迎来了8月以来的首次回落,鸡蛋价格也出现较大降幅。值得关注的是,由于北方     

矢量数据和栅格数据在土地预测中的应用对比——以山西岔口小流域为例

研究目的:为了对比矢量数据和栅格数据在土里利用过程中的差别。研究方法:借助于Super Map2008、MATLAB R2009a、Arc GIS9.2和IDRISI Andes15.0等软件,建立马尔科夫模型,得到转移概率矩阵进行对比分析。研究结果:矢量数据的结果一般更为精确,但软件利用程度低。栅格数据的结果比较而言没有那么精确,但是思路简单,软件利用程度高,结果易得且也能满足预测要求。研究结论:不论是矢量数据还是栅格数据都可以很好地用于土地利用中的预测。     

猪流行性感冒的诊治

<正>猪流感是由A型流感病毒(H1N1、H1N2、H2N3、H3N1、H3N2、H4N6等)引起的一种急性、传染性呼吸道疾病。天气骤变的晚秋、早春和寒冷冬季多发,气温突变是该病的诱因,猪群发病通常与猪场引进新猪群也有关。临床特征为突然发病,咳嗽,呼吸困难,发热,衰竭和迅速康复。若无继发或并发感染,一般取良性经过。该病虽然不是猪的严重繁殖障碍性疾病,但有时可引起怀孕母猪持续高热而导致     

无线上网暗藏安全漏洞

无线上网技术的普及，既给许多家庭和个人接入因特网带来了方便，也给犯罪者以可乘之机。随着开放的无线接入点越来越多，借助无线网络进行色情、诈骗、窃取数据、．盗用信用卡等行为也可能更加猖獗。     

基于深度学习算法的京津冀地区综合干旱评估模型构建

及时准确的干旱评估对社会经济发展和农业生产具有重要的指导意义,当前的干旱评估指标通常仅考虑植被或降水等单方面影响因素,在实际干旱评估中存在一定的局限性。本研究综合考虑降水、温度、地形等多个干旱致灾因子,以主要产粮基地京津冀地区为例,基于2007-2017年地表温度（Land Surface Temperature,LST）、归一化植被指数（Normalized Difference Vegetation Index,NDVI）以及降水等多源数据,利用深度学习框架Tensorflow构建以标准化降水蒸散发指数（Standardized Precipitation Evapotranspiration Index,SPEI）为目标值的综合干旱评估模型。利用决定系数（R2）和均方根误差（RMSE）对模型进行测试;利用站点标准化降水指数（Standardized Precipitation Index,SPI）、土壤相对湿度数据以及2016年京津冀地区的气象灾害数据,从时间和空间上对模型的可靠性进行验证。结果表明：模型的训练集和测试集在不同月份上均表现较好（R2均大于0.5而RMSE均小于0.55）。模型输出的综合干旱指数（Comprehensive Drought Index,CDI）在密云站上与SPI和SPEI接近,变化趋势基本一致,并且与站点SPI和土壤相对湿度的相关系数分别大于0.7和0.4,均通过了0.01水平的显著性检验。空间上,相较于SPEI,CDI计算的2016年3-7月京津冀地区干旱事件结果与实际情况符合度更高,表明该模型适用于京津冀地区干旱评估。