木霉菌拌种对小麦生长和根际真菌群落的影响

为了了解木霉菌拌种对冬小麦生长和根际土壤真菌群落的影响,选取小麦种植后180 d的根际土壤,通过高通量测序技术研究分析了4株木霉菌拌种对小麦根际土壤中的真菌群落组成的影响,通过qPCR检测了根际土壤中真菌的绝对含量。结果表明：木霉菌拌种处理后降低了小麦根际土壤中真菌群落丰度,同时发现小麦产量与小麦根际土壤真菌群落均匀度(香农指数)和丰富度(OTUs数)呈反比,而与群落的优势度(辛普森指数)呈正比;通过田间病害调查和测产,结果显示,与未拌种处理相比木霉菌拌种降低了小麦纹枯病和茎基腐病引起的白穗率,其中哈茨木霉LTR-2和QT21990防效可达60% 以上,增产7.42%和6.94%(P<0.05)。     

基于自适应遗传-粒子群优化算法的风电场微观选址优化

为了减小尾流效应对风电场发电量的影响,提高风能利用率,提出了一种自适应权重的遗传-粒子群优化算法(genetic-particle swarm optimization algorithm, GA-PSO)。首先,以风电场单位发电成本为目标函数,风机坐标为优化变量,通过在优化变量的速度更新中加入惯性权重,以改变算法的寻优速度;其次,在WASP软件选址的基础上,对风电机组进行布局优化;进而,将计算结果与遗传算法(genetic algorithm, GA)、萤火虫算法(firefly algorithm, FA)和粒子群(particle swarm algorithm, PSO)优化算法进行对比。结果表明：运用PGOA算法优化后的风电场单位发电成本为2 016元/GWh,减少了232元/GWh,年发电量为82.633 GWh,比优化前提高了8.538 GWh,同时尾流损失减小了1.12%。可见研究结论对未来的风电场微观选址具有一定指导意义。     

基于数据处理分组法(GMDH)的遗传选择算法与数据挖掘克隆技术

数据处理分组法(GMDH)的多层算法(MIA)是通过利用遗传算法的选择程序来实现的,该算法包含了为获取更少误差而生成的最优神经元的克隆操作.选择程序根据适应度以及网络输入的某种概率从已有的神经元中为新神经元寻找父代.克隆实质是对最优神经元的克隆体参数进行稍微调整.从机器学习库选出实验结果表明,通过克隆操作进行基因改造后的GMDH网络表现得比其它方法优越.     

基于Drools的告警根因系统的研究

在针对网络设备的告警根因分析系统中,由于网络设备的变化或新告警的产生,都会带来根因分析算法的变动,所以在程序中通过代码对根因告警进行分析的传统开发方案并不适用于网络设备告警系统的开发。提出了一种基于Drools的系统开发方案。该方案将规则(根因分析算法)和根因分析程序分开,由设备维护人员维护规则。当网络设备的结构发生变化或产生新告警时,系统不再需要修改根因分析程序,减轻了后期维护工作。在真实场景进行实验,实验结果验证了该开发方案的有效性与合理性。     

空间自由活塞斯特林发电机启动温度研究

为确定空间自由活塞斯特林发电机的启动温度,提出一种结合动力学模型预测启动温度的简单方法.首先建立了包含热力学和动力学的发电机线性模型,利用根轨迹技术并依据系统的不稳定性判定方法预测发电机的启动温度.运用该模型分析了实验样机的启动温度以及配气活塞板簧刚度和外负载对启动温度的影响,并进行实验验证.结果表明:发电机的启动温度与配气活塞板簧刚度成正相关关系,而与外负载成负相关关系,模拟结果与实验有较好的一致性.但由于模型的理想化,模拟结果存在误差且该误差随着热端温度的升高而增加.此外,利用该模型预测发电机的运行频率,结果表明误差低于5.9%.     

舰尾流场扰动影响分析及抑制技术研究

为了解决舰尾流场对舰载机着舰的干扰问题,首先,建立了舰尾流场模型,并利用综合仿真平台分析了各个尾流分量对全自动着舰的影响;其次,分析了稳态尾流情况下引入高度变化率的补偿对着舰精度的影响;最后,提出了一种基于遗传算法的全自动着舰尾流影响抑制技术.仿真实验表明:优化前的纵向全自动着舰系统高度偏差在-2.3～1.9 m范围内波动,优化后的系统将高度偏差限制在-0.8～0.6 m范围内,提高了流场中舰载机航迹保持能力,增强了系统的鲁棒性.     

随机故障下单机鲁棒调度算法的遗传编程方法

研究了随机故障环境下具有预测能力的单机鲁棒调度方法.通过插入空闲时段的方法吸收随机故障的扰动,进而对带空闲时段的鲁棒调度启发式,采用基于双子树结构编码的遗传编程体系加以学习.实验表明 所进化的启发式算法的拖期性能明显优于现有启发式,并通过适量插入空闲时段保持了较好的预测性能.这些算法由自适应的组合排序规则和空闲时段计算程序有机构成,并可较好地移植到其他不确定环境中.因此,所提出的遗传编程方法是不确定调度环境下相当有效的机器学习方法.     

石油污染土壤植物根际微生态环境与降解效应

利用大庆油田石油开采区的污染土壤作为供试土壤,选择紫花苜蓿和披碱草为供试植物,通过监测根系微生物活性、石油烃降解效率等指标,建立植物根际微生态环境生物和非生物因子之间的量化关系,揭示污染土壤石油烃降解效应和影响要素.研究结果表明,植物根系可改善污染土壤持水能力和微生物活性,与无根系土壤相比,提高含水率达10%. 植物根际微生物的数量高出1～2个数量级, FDA(荧光素双醋酸酯)活性高出0.29～0.36. 经过150 d的降解,植物根际油污土中石油烃的降解率比无根系土壤高 9.1%～15.5%. 污染土壤植物根际微生态环境对微生物活性具有诱导作用,有利于石油烃的降解和污染土层的生物修复.     

图中的几例组合Hopf代数

介绍了图中的3例分次连通的Hopf代数,将其赋予特征后构成组合Hopf代数,讨论了它们在组合Hopf代数范畴中与终对象（Qfym,ζQ）之间的组合Hopf代数同态,并计算了它们的Hilbert级数.     

Rapid Cloning and Expression of Glutaryl-7-Aminocephalosporanic Acid Acylase Genes from Soil Samples

A polymerase chain reaction （PCR）-based strategy was developed to rapidly obtain the gene encoding for an industrially important enzyme, glutaryl-7-aminocephalosporanic acid （GL-7-ACA） acylase.Different soil samples were cultured with a Pseudomonas selective medium to enrich specific microorganisms, and then the genomic DNA was extracted to serve as PCR templates. PCR primers for GL-7-ACA acylase gene amplification were designed on the basis of bioinformatics searches and analyses.The method was used to successfully amplify three GL-7-ACA acylase genes from different soil samples.The GL-7-ACA acylase genes were then cloned and overexpressed in Escherichia coil with a relatively high level of 266 unit · L^-1.