复杂注水系统泵站优化调度的改进遗传算法

以耗电量最小为目标函数,排量、压力等限制为约束条件,建立了复杂注水系统泵站优化调度数学模型.针对系统运行特点,采用改进遗传算法对模型进行求解,同时优化出泵的运行状态和排量.改进遗传算法采用实数编码,并设计了随机多父辈交叉方法,改进了变异操作,操作过程中,给出了泵排量的处理方法,使各水量约束条件得到满足,大大减少了不可行解的产生,使算法的优化性能得到了提高.算例说明了该优化方法的有效性.     

稻秆降解复合菌系的筛选及其生长特性的研究

以稻秆为碳源从富含纤维素的土壤中筛选出一组中温稻秆降解复合系,命名为LZF-12.电子显微镜和光学显微镜的观察结果表明,复合茵系LZF-12的茵群构成复杂,微生物形态各异,结合其生长曲线和溶解氧变化趋势分析,降解木质纤维素的LZF-12的优势茵群为兼性厌氧茵.复合系对环境pH的变化具有较强的缓冲调节能力,在不同初始pH...     

低温下牛粪接种发酵剂对堆肥温度与微生物的影响

试验针对北方寒区特殊地理环境条件,采用牛粪好氧堆肥发酵,研究室外温度低于0℃时,接种复合发酵剂对堆肥温度、微生物数量及区系变化特征的影响。结果表明,牛粪接种复合发酵剂24h和48h堆温分别升至40.1℃和55.6℃;高温期持续6d;发酵周期缩短至12d。细菌对堆肥升温起主要作用;细菌和放线菌是高温阶段主要作用菌群;腐熟阶段细菌、放线菌和真菌共同作用,且细菌作用强于放线菌和真菌。     

比色法测定菠菜中草酸含量的条件研究

对水杨酸铁络合比色法测定菠菜中草酸含量的条件进行了研究,结果表明,最佳条件是:显色体系pH值2.1～2.7,比色波长510nm,比色时间20 min～2 h.该法测定菠菜样品中草酸含量范围在0～64.0 μg/ml,检出限为1.52 μg/ml;样品加标回收率93.9%～105.2%.     

复杂地形条件下天然河道水面线计算研究

【目的】解决复杂地形条件下天然河道间断水面线计算问题。【方法】采用预测-校正求解方法,在一维河床冲淤变形计算模型基础上,增加了急流均匀流水深与临界水深判断公式,为解决河道正坡、倒坡交替出现,突扩、突缩频繁发生的复杂地形条件下水面线计算的不连续性问题,并将该方法在黄河羊曲水电站河段进行了实例验证。【结果】建立了解决复杂地形条件下天然河道水面线计算模型,并将该模型进行实例验证,结果表明,用该模型计算的水面线与实测水面线吻合较好,可满足工程设计的精度要求。【结论】将该研究应用于黄河羊曲水电站天然河道的水面线计算,得到了原河道各级流量下的水面线,可供其上、下游水库梯级开发的水能规划部门参考应用。     

Genomic Prediction of Arsenic Tolerance and Grain Yield in Rice: Contribution of Trait-Specific Markers and Multi-Environment Models

Many rice-growing areas are affected by high concentrations of arsenic(As). Rice varieties that prevent As uptake and/or accumulation can mitigate As threats to human health. Genomic selection is known to facilitate rapid selection of superior genotypes for complex traits. We explored the predictive ability(PA) of genomic prediction with single-environment models, accounting or not for trait-specific markers, multi-environment models, and multi-trait and multi-environment models, using the genotypic(1600 K SNPs) and phenotypic(grain As content, grain yield and days to flowering) data of the Bengal and Assam Aus Panel. Under the base-line single-environment model, PA of up to 0.707 and 0.654 was obtained for grain yield and grain As content, respectively; the three prediction methods(Bayesian Lasso, genomic best linear unbiased prediction and reproducing kernel Hilbert spaces) were considered to perform similarly, and marker selection based on linkage disequilibrium allowed to reduce the number of SNP to 17 K, without negative effect on PA of genomic predictions. Single-environment models giving distinct weight to trait-specific markers in the genomic relationship matrix outperformed the base-line models up to 32%. Multi-environment models, accounting for genotype × environment interactions, and multi-trait and multi-environment models outperformed the base-line models by up to 47% and 61%, respectively. Among the multi-trait and multi-environment models, the Bayesian multi-output regressor stacking function obtained the highest predictive ability(0.831 for grain As) with much higher efficiency for computing time. These findings pave the way for breeding for As-tolerance in the progenies of biparental crosses involving members of the Bengal and Assam Aus Panel. Genomic prediction can also be applied to breeding for other complex traits under multiple environments.     

几种淡水鱼血清免疫复合物的初步研究

采用SDS－PAGE技术和免疫酶斑点法（Dot-ELISA),对罗非鱼、草鱼、鲫、镛和鲤5种淡水鱼的血清免疫复合物（IC）进行了研究。结果表明，鲤科的4种鱼之间的电泳条带差异较小，丽鱼科的罗非鱼与鲤科的4种鱼之间的电泳条带有差异但较小。2％PEG能较好地沉淀5种鱼血清IC，且不同鱼血清IC含量有一定的差异。     

史氏鲟精子超微结构

利用扫描和透射电镜观察了史氏鲟精子形态和超微结构。精子具有顶体、头部、中段和单鞭毛等部分。顶体长0.99±0.06μm,宽0.87±0.09μm。细胞核从后往前逐渐变细,前端宽度为0.88±0.04μm,后端宽度为1.26±0.06μm,细胞核长7.29±0.32μm。核内含有3条核管(E),核管上行至顶体下行至植入窝而止。中段紧接头后部,长为0.51±0.12μm,宽0.91±0.05μm。中段含有线粒体、中心粒复合体和鞭毛的起始部分。线粒体分2~3层排列,线粒体中可见髓样嵴结构。在细胞核与中段接合部细胞核向内凹陷形成植入窝,纤维体位于植入窝内,其后是中心粒复合体。中段后缘延长为袖套,袖套腔中含有线粒体、脂质空泡。鞭毛从袖套中伸出,由轴丝组成,为典型的"9+2"微管结构。     

祁连山林草复合流域土壤水分状况研究

对祁连山排露沟林草复合流域土壤水分状况进行了系统研究.结果表明:流域内土壤水分状况随土壤结构、土壤层次、空间分布、季节动态等因子发生规律性变化;土壤水分状况影响径流形成.研究结论对评价土壤水分的径流作用及水文过程研究具有重要参考价值.     

基于改进MobileNet-V2的田间农作物叶片病害识别

农作物病害是造成粮食产量下降的重要因素,利用智能化手段准确地识别农作物病害有利于病害的及时防治,该研究基于改进的MobileNet-V2识别复杂背景下的农作物病害,对未来覆盖各种作物的智能化病害识别工作具有重要意义。首先创建含有11类病害叶片及4类健康叶片的农作物数据集,采用数据增强操作构造不同的识别场景。其次在原始模型MobileNet-V2的基础上,嵌入轻量型的坐标注意力机制,建立通道注意力与位置信息的依赖关系。然后对网络中不同尺寸的特征图采取上采样融合操作,构建兼具网络高、低层信息的新特征图。此外,采用分组卷积并删除模型中不必要的分类层,减少模型参数量。试验结果表明：改进模型的参数量为2.30 ×106,改进模型的识别准确率在背景复杂的农作物叶片病害数据集中达到了92.20%,较改进前提高了2.91个百分点。相比EfficientNet-b0、ResNet-50、ShuffleNet-V2等经典卷积神经网络架构,改进模型不仅达到了更高的识别准确率,还具有更平稳的收敛过程以及更少的参数。该研究改进的模型较好地平衡了模型的复杂度和识别准确率,为深度学习模型移植至田间移动病害检测设备提供了思路。