基于气液两相流数值模拟混合器优化设计

生物反应器结构优化是甲烷氧化菌的培养积累PHB的产量的影响因素之一,因为水平管式循环反应器在培养甲烷氧化菌,积累PHB方面的应用,所以优化设计水平管式循环生物反应器特别重要,优化设计结构参数主要基于气液两相流的传质理论.通过对生物反应器的水平段的数值模拟,优化设计生物反应器的管径,混合元件的进气口的距离、进相端的角度、细管管径的大小和长度、出口端的角度大小和混合元件的个数,促进气液传质,优化设计结果为生物反应器的管道为3 cm,进气口距离为5 cm、进相端的角度为90°、细管的管径为2 cm和长度为1 cm、出口端角度为7°以及混合元件的个数是5个.该优化设计结果为生物反应器的整体优化做铺垫,为甲烷氧化菌培养积累PHB产量工业化生产研究做铺垫.     

东南印度洋中脊地质构造特征及研究进展

东南印度洋中脊(Southeast Indian Ridge, SEIR)是印度洋中扩张速度最快的洋中脊,由SEIR增生的洋壳占印度洋总面积的50%以上,它是塑造印度洋现今构造格局的关键要素.相对西南印度洋中脊和西北印度洋中脊, SEIR具有更复杂的地质构造特征和演化过程.综合SEIR及邻区海底高原的地形地貌特征、重磁异常特征和玄武岩地球化学特征,探讨了SEIR的分段、洋中脊演化过程和地幔不均一性,以及板内火山作用与洋中脊的成因关系等.本文将有助于深入理解东南印度洋区域的构造演化历史,全面理解整个印度洋的洋中脊系统和大地构造格局,增进对冈瓦纳大陆裂解和印度洋演化过程的认识.初步研究认为东南印度洋区是多期洋中脊演化的结果,经历了北西向扩张、南北向扩张直至北东向扩张的三期洋壳增生过程.东南印度洋脊下的地幔源区存在不均一性,尤其是阿姆斯特丹-圣保罗海底高原和澳大利亚-南极错乱带两个区域.东南印度洋中的海底高原与热点火山作用密切相关,同时部分存在热点-洋脊相互作用或残留陆壳物质的影响.     

以废弃棉为模板低温烧结制备SiC遗态陶瓷

以废弃脱脂棉和精梳棉为生物模板,聚碳硅烷(PCS)为SiC陶瓷先驱体,采用浸渍法在惰性气氛下1 000℃低温热解制备出了SiC遗态陶瓷,为开发非木材原料废弃物制备环境材料提供了实验依据。研究了浸渍浆料中PCS含量对烧成产物微观形貌、物相结构、线收缩率、体积密度、元素组成和比表面积的影响。结果表明:脱脂棉和精梳棉遗态保持了纤维状,浸渍浆料后纤维遗态被PCS热解产物包裹,形成了主晶形为β-SiC的遗态陶瓷;脱脂棉模板对浆料的吸收更好;随浸渍浆料中PCS含量从10%增加至40%,陶瓷中β-SiC含量逐渐增多,线收缩率逐渐减小,体积密度逐渐增大,热解产物Si含量逐渐增多,比表面积逐渐减小。     

嗜水气单胞菌hfq2基因对生物被膜形成的影响

Hfq蛋白是一种进化上保守的sRNA分子伴侣蛋白,在转录后水平调控RNA翻译,涉及细菌重要生理功能的调节.嗜水气单胞菌ATCC 7966基因组中含有两个hfq基因拷贝(AHA_0924与AHA_3797),目前对AHA_3797(简称hfq2)基因功能的研究比较少.本研究首先利用同源重组技术敲除该基因,发现hfq2缺失后形成生物膜的能力显著降低(P0.001),进一步通过SWATH(sequential window acquisition of all theoretical spectra)定量蛋白质组学技术比较野生型与Δhfq2在生物膜状态下的蛋白表达差异,共鉴定出1538个蛋白,其中131个蛋白表达上调, 140个蛋白表达下调.生物信息学分析表明,生物被膜状态下Δhfq2导致细菌铁离子转运相关蛋白表达上调,趋化作用相关蛋白则大幅度下调.进一步利用Western Blotting对部分差异蛋白的表达进行了验证.最后通过铁离子螯合剂添加试验证实, Hfq2蛋白可以通过影响铁离子动态平衡过程来影响细菌生物被膜的形成.了解Hfq2蛋白在细菌生物被膜形成过程的调控机理,对病原菌的防治以及新型抑菌策略的研发具有重要的科学意义.     

目标边缘特征增强检测算法

针对分组角点检测网络在目标检测过程中,由于目标尺寸过小或同类目标空间距离较小而导致检测失效的问题,提出一种边缘特征增强的CornerNet目标检测算法OEC。该算法通过分离特征的高低频信息提取更多的高频信息,增强目标的边缘轮廓特征,解决关键点定位不准确的问题,提高目标的框定效果,进一步提升检测精度。仿真结果表明,该算法对行人、车辆等目标检测效果均有提高,在COCO数据集上的检测结果与CornerNet相比,mAP提高0.9%,可应用于无人驾驶与智能机器人等场景。     

由粗到精和特征筛选的精确回归预测方法及其在二语习得中的应用

针对数据分布不均匀且因素多而容易造成预测不精确的问题,提出一种结合由粗到精与特征筛选的精确回归预测方法.首先,由于数据分布不均匀且预测区间大,直接预测难以精确地拟合,提出一种由粗到精的预测方法,并使用决策树进行粗分类,预测目标所在的子区间,然后在子区间内实现精确的回归预测.其次,如果数据量少且特征因素多会引起过拟合,而且部分冗余特征会影响模型的预测精度,因此,提出一种基于特征筛选的回归预测方法以提高预测精度.在大学生的英语成绩与其人格因素数据集上进行相关实验,结果证明了由粗到精和特征筛选方法与传统回归模型相比精度更高且稳定性更好.通过提出的人格因素与英语成绩回归预测模型,可以制定合理的培养方案弥补学生人格因素中的短板,提升学生的自身竞争能力,从而更好地推动中国的英语教育.