基于RF-ELM模型的边坡稳定性预测研究

为实现对边坡稳定性的有效预测,将极限学习机算法与旋转森林算法相结合,并依据影响边坡稳定性的六项重要因素,建立了边坡稳定性预测的RF-ELM预测模型。该模型是以极限学习机算法为基分类器,以旋转森林算法为框架的集成学习模型,利用UCI数据库中三组数据集验证了该集成模型确实提高了ELM的预测性能。将RF-ELM模型应用于边坡稳定性的预测问题中,结合39组工程实例数据进行预测实验,结果表明该模型具有较高的预测精度,可有效的对边坡稳定性进行预测。     

基于正交试验法的高斯扩散模型预测精度研究

为研究高斯扩散模型预测精度的影响因素,运用正交试验设计法,设计三因素五水平的正交试验,采用MATLAB软件和FDS软件分别得到高斯扩散模型理论预测值与模拟值,并引入归一化均方差NMSE将二者进行对比,采用极差分析以及方差分析法分析不同因素对高斯扩散模型预测精度的影响程度。研究结果表明：大气稳定度对高斯模型气体扩散浓度预测结果具有显著性影响,其次是气体种类,然后是气体初始密度。研究结果可为模型相关参数修正与改进提供借鉴。     

一株无色杆菌属菌株对孔雀绿的脱色降解

从孔雀绿污染土壤中分离筛选出1株对孔雀绿染料有强脱色能力的菌株MGT3,根据其形态学特征和生理生化鉴定以及16S rDNA序列分析,初步鉴定为无色杆菌属(Achromobacter sp.)的菌株.在振荡培养条件下对该菌株的脱色反应条件进行了研究,结果表明,MGT3菌株的最适脱色pH为7,最适脱色温度为30℃,孔雀绿初始浓度小于50 mgL-1时有最佳脱色率,在最适脱色条件下脱色8 h,孔雀绿脱色率可达到90%以上,利用薄层层析法、紫外-可见分光光度计法、高效液相色谱法对孔雀绿脱色代谢产物进行了分析,结果表明,孔雀绿在脱色过程中被降解,生成了其他代谢产物.图8表1参26