毛竹及其变种叶片化学计量与养分重吸收效率

【目的】评价毛竹(Phyllostachys edulis)及其变种叶片养分重吸收效率,旨在揭示主要养分元素的生态适应机制,以期为毛竹及其变种的可持续经营提供科学依据。【方法】以毛竹及其变种[黄槽毛竹(P. edulis cv. Luteosulcata)、花毛竹(P. edulis cv. Tao Kiang)、厚壁毛竹(P. edulis cv. Pachyloen)、金丝毛竹(P. edulis cv. Gracilis)]为研究对象,分析不同竹龄(1、3、5 a)叶片化学计量特征与养分重吸收效率。【结果】毛竹及其变种C、N 含量差异较小,P含量波动性较大。不同竹种相同竹龄立竹间成熟叶和凋落叶C、N、P含量差异性较大,1年生竹种叶片养分含量较高,随着竹龄增加,竹种适应能力逐渐下降。毛竹及其变种相同年龄立竹间、同一变种不同年龄立竹间叶片化学计量比存在一定差异性。1、3、5年生花毛竹叶片N、P重吸收效率较高,年龄对除厚壁毛竹外的其他毛竹及其变种叶片N重吸收效率影响呈现先升后降趋势,而不同年龄毛竹及其变种叶片P重吸收效率波动性较大。【结论】研究区毛竹及其变种生长受P元素的限制,毛竹及其变种随竹龄的增加适应能力有所变化,花毛竹适应性较强,厚壁毛竹则对土壤的依赖性较大。     

基于码头闸口数据的集卡周转时间短时预测方法

为给车辆调度优化以及集卡预约系统设计提供重要参考,利用所采集的深圳市某港口的码头闸口数据,建立一种基于数据挖掘的集卡周转时间短时预测方法.首先,通过对码头闸口数据进行分析,获取车辆到达时间分布、任务类型、作业方式等集卡作业特征以及集卡在码头内的周转时间;在此基础上,利用循环神经网络并结合训练集数据,建立集卡作业特征与其周转时间之间的映射关系.其次,为减少随机波动对周转时间预测效果的影响,利用小波分解算法对循环神经网络拟合结果的残差进行高频噪声分离,并通过自回归模型拟合过滤后的低频序列.最后,将拟合后的循环神经网络与自回归模型进行结合,建立一种支持集卡周转时间短时预测的组合模型,并利用测试集数据进行有效性验证.结果 表明,相比单一的循环神经网络,该组合模型可以大幅提升预测精度.     

基于自适应形态学的跳频信号参数联合盲估计

跳频通信的应用大大提高了军事装备的抗干扰和抗截获能力，使得跳频对抗技术面临严峻的挑战。为解决传统形态学跳频信号参数估计方法中结构元素选择困难问题并提高估计精度，提出了一种基于自适应形态学的跳频信号参数联合盲估计方法。首先，对跳频信号进行短时傅里叶变换获取谱图。然后，从其时间轴投影中获取结构元素尺寸的知识, 设计自适应形态学滤波器抑制谱图噪声, 提取跳频图案初步估计跳频参数。最后, 引入最小二乘估计方法, 对跳频周期和跳变时刻进行精估计。仿真结果表明，此方法能够同时估计出跳频频率、跳频周期和跳变时刻, 不需要其中某一种参数作为先验条件, 在复杂的通信环境也能够保持良好的估计性能。     

基于SNP分子标记的波叶杜鹃遗传特征分析

利用ddRAD-seq测序技术研究波叶杜鹃居群的遗传多样性与遗传结构，探讨种群演化历史，为其种质资源的保护利用和回归引种提供科学依据.研究结果表明，波叶杜鹃在居群水平上具有丰富的遗传多样性（He=0.226 7±0.002；π=0.241 0±0.003 2），居群间的遗传分化处于中等水平（FST=0.062 6）. AMOVA分析表明，总遗传变异中有98.42%的变异来自居群内，居群间的变异仅占1.58%.观测杂合度和期望杂合度分别为0.163 6±0.002和0.226 7±0.002，居群内近交系数（FIS）为0.222 0±0.022 2，所有居群均表现出杂合子缺失.聚类分析表明，6个居群可归类为2个类群，大多数个体（98.8%）谱系清晰.在近期的进化过程中，波叶杜鹃的有效种群大小（Ne）在持续下降，直到约1000年前.波叶杜鹃在物种和居群水平上，具有丰富的遗传多样性，进一步选择和育种利用的潜力较好.遗传分化水平中等，遗传变异主要来源于居群内.由于近期冰期气候环境的变化，再加上人为活动（发展旅游、基础设施建设等）导致波叶杜鹃的生存环境逐步恶化，使得该物种面临极高的灭绝风险.从对...     

基于粒子滤波与BP神经网络的短时交通流预测

为了有效缓解当前交通拥堵问题,结合时下流行的智能交通系统,本文将粒子滤波算法引入短时交通流预测过程中,提出一种基于粒子滤波与神经网络的预测算法。该系统通过BP神经网络的非线性映射功能,分裂选择适当的权值,在多次训练之后能够提高算法中粒子的多样性,改善算法滤波的性能,最终达到提高预测精度的目的。另外,本文以河南省新乡市交通局公交和出租车数据作为数据来源,通过与传统的粒子滤波算法和BP算法的预测结果进行对比,发现本文所提出的方法对短时交通流预测具有更好的预测精度。     

基于变量选择-神经网络模型的复杂路网短时交通流预测

摘要： 针对传统交通流预测模型正在由单断面历史数据处理向多断面、多时刻历史数据处理转变,但在考虑各断面间的影响时,多变的交通状况往往会使预测模型复杂化的问题,引入一种多元线性回归最小绝对收缩和选择算子方法(Lasso),并利用其优秀的变量选择能力,在复杂路网多断面中选出相关性较高的断面；结合神经网络(NN)的非线性特性,提出了Lasso NN组合模型.结果表明：Lasso NN模型在路网交叉口对未来15 min交通流数据预测的误差率低于9.2%；在非交叉口的误差率低于6.7%,总体优于各自单独使用得出的结果.     

食物中的色素魔法

绿色的菠菜、紫色的紫甘蓝、红色的西红柿,它们为什么会呈现出不同的颜色?这是因为里面含有不同的色素。那么这些色素能当染色剂吗?它们有什么特点呢?下面的实验会告诉你。     

给花儿留个影

春天到来,漫山遍野的花又开始绽放。把喜欢的花拍下来,是许多人观察和认识植物的最佳途径。如果你有高大上的单反,配上微距镜头,调大光圈,能很好地拍出植物特征清晰、背景虚化的效果。但并非只有单反才能达到这样的效果,持有普通的数码相机以及手机,只要在拍摄的时候注意些小技巧,都可以让你成为拍花达人。     

连翘叶绿茶制备及活性成分分析

为了进一步提升连翘叶的开发，将一芽二叶至一芽三叶的连翘嫩叶加工成连翘叶绿茶。对连翘叶绿茶、桑叶绿茶和信阳毛尖的活性成分进行分析。分析结果表明：连翘叶绿茶含水量为36 mg ／g。微量元素含量较高，茶多酚为172 mg ／g，氨基酸为13．23 mg ／g，咖啡碱29．3 mg ／g，总黄酮26．48 mg ／g，总木脂素19．76 mg ／g，以及总三萜酸6．15 mg ／g。具有较强的清除 DPPH 自由基的能力，这表明连翘叶绿茶含有丰富的对人体具有保健作用的活性成分。