产气气杆菌产普鲁兰酶发酵培养基的优化

对一株产气气杆菌产普鲁兰酶的发酵培养基进行了优化,确定了该菌株的最适发酵培养基配方为(g/L):玉米淀粉 15,豆饼粉 10,CH3COONH4 8,K2HPO4·3H2O 0.5,MgSO4·7H2O 0.5,KCl 0.5,FeSO4·7H2O 0.05.采用该培养基在5 L 发酵罐水平发酵 55h,普鲁兰酶活力达到 54.64 U/mL.研究了不同铵盐形式对该菌株产普鲁兰酶的影响,结果发现:以CH3COONH4为无机氮源,该菌株产普鲁兰酶活力高,且该酶绝大部分能分泌至胞外.而以NH4Cl,NH4NO3及(NH4)2SO4为无机氮源,该菌产普鲁兰酶活力较低,且为胞内酶.     

低温碱性脂肪酶产生菌的筛选及产酶培养基的优化

以橄榄油为唯一碳源,从渤海湾盐碱地被油污染的土样中分离筛选出1株产低温碱性脂肪酶菌株34.5,初步酶学性质研究表明,该菌所产脂肪酶的最适温度为25℃,最适pH为9.6.该菌的16S rDNA基因序列与伯克霍尔德氏菌(Burkholderia)的同源性为99%.摇瓶实验表明,该菌株最适产酶培养基为(g/L):淀粉10,黄豆饼粉20,玉米浆20,K2HPO41,聚乙烯醇大豆油乳化液20.其最高酶活为6.87 U/mL.     

局部对称拟常曲率黎曼流形中伪脐子流形的Pinching定理

讨论局部对称拟常曲率黎曼流形Nn+p中具有平行平均曲率向量的紧致伪脐子流形Mn,得到了Mn是全脐子流形的两个Pinching定理.     

基于粒子群改进BP神经网络的组合预测模型及其应用

针对应用广泛的传统人工智能预测BP(Back propagation)神经网络自身局限以及其在处理中长期复杂预测问题中需要样本数量大、泛化能力弱等不足,提出利用粒子群算法优化BP神经网络的学习算法,在此基础上,利用灰色预测方法和自回归移动平均模型(ARIMA)时序预测对历史数据进行初步预测,对中长期预测中数据趋势项和随机项进行模拟;将初步预测的结果作为改进BP神经网络的输入,在此基础上进行训练和预测,构建基于改进BP网络的组合预测模型.以我国1978-2007年能源需求数据为样本,进行实例分析.结果表明:组合预测模型预测精度较BP神经网络、灰色预测方法和ARIMA预测方法分别提高4.8%,6.1%和5.3%,验证了组合预测方法在中长期预测问题处理中的有效性.     

多场耦合下急斜煤层开采三维物理模拟(1)

复杂环境与多场耦合作用下,采空区煤岩体非对称变形诱致局部化失稳并演化为动力灾害.针对于西北强震作用下煤矿采空区(局部化)动力失稳定量预报,以乌鲁木齐矿区急倾斜煤层放顶煤开采为背景,首先系统分析了物理模拟复合材料损伤与破裂的"声-光-电"信号迁移途径与有效可靠的测试方法,继而构建了大型立体地球物理模拟装置与"声-光-电"指标信息测控系统,形成动力灾害源的识别技术和危险性分析技术(平台).这最终为急倾斜厚煤层放顶煤开采技术参数的合理确定、提高灾害识别能力和预测精度以及灾害控制奠定科学基础.     

基于HS-树的所有MIPS求解算法

本体在语义web中扮演很重要的角色.本体的重用、合并或者进一步扩展都有可能导致本体不一致.目前很多解决本体不一致的方法都需要计算最小不一致保持子集(MIPS).本文利用HS-树方法给出了一种能够有效计算本体中所有MIPS的算法.实验表明该算法是有效的,尤其对于本体中包含不可满足的概念远远多于MIPS的情形更加有效.     

科学发展观架构下的民法之作为

科学发展观与民法理念在发展主题、价值取向、终极目标上具有高度的一致性。在深入贯彻落实科学发展观的过程中,不仅要充分发挥民法的重要作用,而且要以科学发展观的精髓为指导,理清理念、正视不足和差距,及时完善立法和推进司法。民法只有在科学发展观的统领下,坚持自己的基本原理,吸纳先进文化,才能完成中国特色礼会主义事业所赋予的历史使命。     

一种基于H.264/AVC的宏块级码率控制优化算法

为了在网络带宽和延迟的限制条件下获得持续稳定的视频编码质量,提出一种优化的宏块级码率控制算法。这种算法基于平均绝对误差(mean absolute difference,MAD)线性预测模型和二元率失真模型,充分利用视频序列的时空相关性,有效降低了MAD预测复杂度和目标位率与实际位率的误匹配率。大量实验结果表明,与JM8.6中的码率控制算法相比,提出的算法大大降低了编码时间,能够实现位优化分配和输出码率的精确控制。     

从蛇毒中提取神经生长因子的废水处理工艺研究

以提取蛇毒中神经生长因子过程中产生的废水为处理对象,经混凝-Fenton试剂催化氧化深度预处理后,改善了可生化性,CODCr降到2230 mg/L,BOD5/CODCr为0.26.随后结合加压SBR法进行生物处理,最佳组合工艺条件为:混凝处理的pH值为8,PAC浓度为150 mg/L;Fenton试剂催化氧化条件为:H2O2的用量为20 ml/L,pH值为4,反应时间为60 min;加压SBR法处理的停留时间为8 h,处理后出水CODCr小于100 mg/L,达到国家规定的一级排放标准.     

基于样本密度信息与竞争网络的聚类中心点获取算法

在聚类分析中初值的选取对聚类结果起着关键性的作用.本文在Chiu算法思想的基础上,提出了一种根据样本密度信息获取中心点的算法.该算法不需要任何参数的设定就可实现中心点的获取;之后再通过竞争网络对获取到的中心点进行训练,使中心点更加靠近每一类的中心.仿真实验表明:该算法是有效的且具有很高的可靠性,保证了网络训练前的中心点分布在不同的类簇中,提高了网络的训练效率.