水环境中致病菌分子生物学检测技术研究进展

总结了水环境中主要致病菌及其导致的疾病；介绍了检测水环境样品中致病菌的聚合酶链式反应（PCR）、实时定量PCR、等温扩增技术、生物传感器和高通量测序等分子生物学技术研究进展；分析了不同检测技术的优缺点和应用特点；提出了水环境中致病菌分子生物学检测技术的未来发展方向，为水环境中致病菌分析检测和风险控制提供研究思路和技术支撑。     

基于安全度与运营格局的油库选址优先级评价方法研究

从安全性和运营角度对油库选址的影响因素及评价指标分析对油库的安全稳定及有效运营具有重要的意义。该文选取与安全和运营有关的人口企业数量、安全管理能力、消防设施规划、地形地质条件、铁路公路数量、市场投资收益、政策支持情况等影响因子进行重要性及合理程度分析,综合运用安全度与运营格局影响因素多元耦合关系,构建了油库区安全与运营评价体系,改进了原有的模糊层次法评价模型,并对某油库区安全度与运营格局进行了评估验证。结果表明:利用改进模糊层次法能够较好地评价不同地址的优先级,评价模型具有一定应用性,能够对不同地址的特点及评价权重进行有效分析,可见油库选址优先级评价方法是实用且有效的。该研究方法及结果可以为油库区地址的优选提供一定参考与建议。     

空气微生物群落样品采集、解析方法及研究进展

综述了空气微生物的采样方法和群落解析方法,并着重从时空变化规律、特殊事件的影响、来源和环境因子的关系这4个方面对空气细菌的研究进展进行了详细的介绍,展望了空气微生物研究的方向,以期为空气微生物领域相关的研究提供理论依据。     

基于源网荷互动的分布式能源消纳方法

分布式能源发电的不确定性给电网公司消纳新能源带来了极大的挑战，电力物联网全域感知技术为分布式能源消纳提供了有效的数据支撑，故提出了一种基于源网荷互动的分布式能源消纳方法，构建了分布式能源总功率预测方法，采用自回归移动平均算法对新能源发电功率进行预测，并建立分布式能源发电波动影响因子，分析新能源发电波动对电网带来的影响。根据源网荷的互动情况，采用离群点自趋优算法，实现新能源机组有功功率精准控制，有效推动分布式能源的消纳。仿真验证表明：采用离群点自趋优的新能源机组控制算法能根据电网运行情况，自动调控分布式能源、电网资源，实现分布式能源最大化消纳，有效提高了园区分布式能源的经济运行水平。     

基于物联网技术的多能源设备数据采集方法

针对宁东新能源化工基地水、电、气、热、冷等多能源设备数据采集速率低，质量差的问题，提出了1种基于物联网技术的多能源设备数据采集方法。本方法综合考虑水、电、气、热传感设备的监测细粒度、联动控制策略等因素，建立多能源设备数据采集模型。在此基础上，基于物联网技术，对多能源设备进行并发数据采集，实现多采集策略协同处理和高速采集，并按目标时间将多能源设备采集数据分类存储在智能融合终端中，以开展综合能源边缘控制。应用结果表明：本方法可面向综合能源多尺度采集性能指标和差异化数据结构，实现多能源数据自趋优协同采集，提高多能源采集的准确性与传输效率。     

基于VMD排列熵与FASSA-SVM的滚动轴承故障研究

提出了一种基于萤火虫改进麻雀搜索算法-支持向量机（FASSA-SVM）的轴承故障诊断方法。首先对轴承工况的振动信号变分模态分解（VMD）得到多个模态分量（IMFs）,其次利用排列熵（PE）求解每种工况每个IMF的PE值作为特征参数输入至SVM中,最后利用FASSA方法优化SVM的惩罚因子、核参数并得到最优的轴承故障分类诊断效果。实验结果表明,FASSA-SVM方法的平均测试集诊断准确率高达99.8%,该诊断结果优于传统的萤火虫算法（FA）、优化麻雀搜索算法（SSA）。     

农村突发公共卫生事件应急医疗设施选址研究

为提高农村突发公共卫生事件应急医疗设施选址决策的科学性,基于新冠肺炎(COVID-19)疫情传播迅速,危害性强的突发公共卫生事件特征,依据应急医疗设施设计标准并兼顾农村医疗预算少、应急道路崎岖的特点,首先,选取设施备选地工程地质条件、单位成本、传染率、抵达时间、场所规模以及服务覆盖区域6项影响因素,将熵值法(EVM)和层次分析法(AHP)有效结合确定影响因素权重;其次,建立考虑患者到应急医疗设施的距离之和最小以及所选择应急医疗设施的综合评价值最优的多目标选址模型;然后,设计改进的粒子群优化(IPSO)算法求解模型,得到选址决策;最后,选取天门市部分村庄进行实证分析,以验证模型算法的有效性。结果表明：传染率和单位成本是建设应急医疗设施主要影响因素,IPSO算法选取3个应急医疗设施,能够满足8个村庄患者的治疗需求,并保证患者在4～7 min内就医,为高效开展疫情防控活动提供保障。     

改进YOLOv3算法下通航机场场面运动目标检测

为获得更好的检测精度和更快的检测速度,保障通航机场场面运行安全,提出一种改进的YOLOv3算法,分别从网络结构和损失函数2方面进行改进。首先,在主干网络中使用深度可分离卷积代替原卷积,构建基于距离交并比(DIoU)的目标框回归损失函数;然后,以某通航机场为研究对象,搭建通航机场场面目标检测场景,采用迁移学习和冻结训练相结合的训练方法,以提升场面目标检测的速度;最后,比较分析所提算法与传统的YOLOv3、YOLOv4算法的识别效果。结果表明：飞机目标的检测效果明显优于车辆和人员目标,改进的YOLOv3算法对目标的检测精度、召回率、全类平均精度(mAP)分别达到92.96%、80.51%、91.96%,图形处理器处理速度高达74帧/s,较传统的YOLOv3、YOLOv4算法性能均有明显提升,可实现通航机场场面运动目标的有效检测。