两类藻毒素聚酮合成酶遗传相似性及其二级结构预测分析

研究微囊藻毒素聚酮合成酶、节球藻毒素聚酮合成酶之间的遗传关联性,并对其二级结构进行预测分析.应用聚合酶链反应得到2株蓝绿藻的毒素聚酮合成酶(PKS)基因,并进行基因序列分析.从GenBank中提取产微囊藻毒素、产节球藻毒素藻株的相应基因序列,利用DNAStar和phylip软件分析目的基因一致性及2类藻毒素PKS的进化情况.采用Garnier-Robson法、Karplus-Schulz法预测项圈藻株202A1/35、节球藻株NSOR10PKS蛋白片段的二级结构,Kyte-doolittle法分析蛋白的亲水性,Emini法预测蛋白质的表面可能性.结果表明,2类藻毒素PKS目的基因的相似性非常高;项圈藻属、念珠藻属的微囊藻毒素PKS与节球藻毒素PKS的进化关系较近;2种藻毒素PKS分析片段二级结构具有较大的相似性,其亲水性与表面可能性区域等特征也极为相似.     

弹用聚酰胺材料老化试验研究

以聚酰胺材料老化试验为例,讨论了储存寿命预测的分析技术、试验设计技术;提出了影响试验准确性的因素和解决问题的方法,因素包括试验样品选择、考核性能选择、试验方法选择、产品环境剖面分析、热老化温度确定等。     

AHP与GA-SVM耦合模型在滑坡预警中的应用*

为了减少滑坡造成的损失,提高滑坡预测的准确性,通过搭建灾害模拟平台获得滑坡的实验数据,在获得多组模拟实验数据后,分析各变量的特性。首先,通过层次分析(Analytic Hierarchy Process,AHP)算法,对滑坡进行危险度划分;然后,通过支持向量机(Support Vector Machine,SVM)建立模型,遗传算法(Genetic Algorithm,GA)再优化SVM参数,提出1种层次分析法与GA-SVM相耦合的模型。研究结果表明:AHP方法划分后的数据,通过GA与SVM结合建立的模型精度较好,实验预测结果与实际结果较为吻合,与单一SVM相比,精度更高,结果更好,更加适用于多变量的复杂非线性滑坡预警。     

基于粒子群-支持向量机(PSO-SVM)的苯储罐泄漏事故风险预测

将支持向量机(SVM)模型运用于事故前苯储罐泄漏事故风险预测,为使模型性能最优, 用粒子群算法PSO优化SVM模型参数,建立了PSO-SVM风险预测模型。为验证模型风险预测性能,分别采用遗传算法(GA)和网格搜索法(GS)优化SVM参数,并比较测试集与PSO-SVM、GA-SVM、GS-SVM三种模型预测结果的均方误差及相关系数。然后进一步探讨模型中权重调整方式、种群规模对PSO-SVM模型预测性能的影响。研究发现,权重线性递减所建PSO-SVM预测值与测试集相关系数更高、均方误差更小、预测效果更好,种群规模没有影响PSOSVM模型预测值但会影响计算时间,这为危化品泄漏事故的风险预测提供了一种新的方法。     

基于人工神经网络的气体泄爆最大超压预测研究

为解决传统经验公式在预测气体泄爆中最大超压出现时的较大偏差或过于保守的问题,提出使用人工神经网络预测气体泄爆最大超压。基于124组实验数据,采用BP与RBF神经网络,通过优化算法计算与迭代循环对泄爆样本中的影响因素进行降维与选择,并确定2类神经网络本身在学习与计算气体泄爆样本时的相关参数。结果表明:PCA（主成分分析法）在当前样本条件下的降维效果较差,而通过迭代对比确认气体泄爆样本中的5类特征全部保留时神经网络的训练模拟效果最好;通过对124组实验数据进行随机挑选训练集与测试集的训练模拟结果发现,神经网络对气体泄爆中最大超压的预测效果较好;通过对比Molkov提出的和经Fakandu等改进的NFPA 68经验公式以及2类神经网络的预测结果表明,神经网络相比于传统气体泄爆经验公式具有明显优势。     

时间因素对钻屑瓦斯解吸指标K1值测定的影响分析

针对时间因素对钻屑瓦斯解吸指标K1测定结果的影响,采用恒温瓦斯放散试验深入分析钻屑瓦斯解吸指标K1测定理论的准确性,总结因时间因素导致K1值测定误差所带来的现场问题。研究结果表明:K1值的测定误差与时间关系密切,测定启动时间越晚,误差越大;测定启动时间由第1 min延后至第2 min,绝对误差和相对误差最大值分别增加0.081 cm3/(g·min1/2)和2.20%;高瓦斯压力条件矿井或煤层的局部高瓦斯压力区域、构造煤发育区的钻屑瓦斯解吸指标K1值测定结果偏低,测定误差偏大。研究结果可为煤与瓦斯突出预测水平的提升提供技术支撑。     

基于VB6.0的供水管网震害预测方法和软件

为了提高供水管网震害预测的效率,修订了现有供水管网震害预测模型,应用Visual Basic 6.0软件平台,开发了供水管网震害预测软件。震害预测软件提供了两方面的预测功能,分别为不同地震烈度下供水管段基于三态的破坏等级预测和供水管网基于五态的破坏等级预测。软件实现了批量供水管段及整个管网的震害预测,且可以进行管网在设定地震下的震害预测,提高了预测效率。经算例分析,验证了软件的可靠性。     

西南山地区域森林火险综合预报模型研究——以重庆市为例

森林火灾严重破坏森林生态系统的结构和功能,针对其风险预报开展研究具有重要的理论意义和应用价值。通过融合气象、地表覆盖和人类活动等要素的方式构建森林火险综合预报模型,是西南山地区域森林火险综合预报业务化应用的重要发展方向。基于《森林火险气象等级》国家标准(GB/T 36743-2018),本文研究首先构建了重庆市森林火险气象风险预报模型。然后通过融合可燃物因素和人为因素的方式,进一步构建重庆市森林火险综合预报模型。最后利用历史火点数据针对上述两类模型的精度进行对比和分析。研究结果表明:重庆市森林火灾发生次数较多,且呈现出季节性规律;重庆市森林火灾的发生不仅受到气象条件的影响,而且受到地表覆盖和人类活动等多种要素条件的共同影响;与森林火险气象风险预报结果相比,森林火险综合预报结果在空间分布上具有更高的精细程度;森林火险综合预报模型能有效提高森林火险等级预报精度。     

基于改进的非线性GM(1,1)模型的职业病预测研究

为了更准确地预测职业病,在传统GM(1,1)模型的基础上,提出改进的非线性GM(1,1)模型,在传统的GM(1,1)模型中引入弱化算子,将紧邻均值与原始数据之间的线性假设改为非线性假设,提高曲线的拟合度。以2005—2014年的全国职业病例数为研究对象,进行数据拟合和预测分析,其中以2014年职业病例数作为验证数据,并利用后验差比值和小误差概率2个参数,检验该改进模型的预测精度。由应用实例的分析结果可知:在职业病发病趋势的预测方面,改进的非线性GM(1,1)模型的预测精度提高到一级,曲线拟合度较高,预测得到2015年的职业病例数为34 900例。     

基于SVM的矿井通风阻力系数影响因素分析与预测

矿井通风阻力系数是通风安全最重要的基础参数之一,为了实现矿井通风阻力系数简单准确地预测,提出了利用支持向量机（SVM）来预测矿井通风阻力系数的方法。通过分析影响因子与矿井通风阻力系数的相关性关系,并利用MATLAB逐步建立单影响因素与矿井通风阻力系数、多影响因素与矿井通风阻力系数之间的SVM预测模型,对比分析各预测模型的相对误差,确定最佳矿井通风阻力系数预测模型,即当输入模型影响因素为巷道断面积、周长和支护方式时,预测相对误差小于10%的样本数占测试样本的76%,相对误差小于20%的样本数占测试样本的90%。结果表明:该预测方法在矿井通风阻力系数预测中是可行的,并具较高的准确性。