响应面法和神经网络优化Acinetobacter sp. DNS32发酵基质

为了提高阿特拉津降解菌Acinetobacter sp.DNS32的产量,分别采用响应曲面法和基于人工神经网络的遗传算法对阿特拉津降解菌DNS32发酵培养基中3个重要基质成分(玉米粉、豆饼粉、K2HPO4)进行优化研究。响应曲面法确定3种成分的含量为玉米粉39.494 g/L,豆饼粉25.638 g/L和K2HPO43.265 g/L时,预测发酵活菌最大生物量为7.079×108CFU/mL,实测量为7.194×108CFU/mL;人工神经网络结合遗传算法优化确定3种主要成分含量为玉米粉为39.650 g/L,豆饼粉为25.500 g/L,K2HPO4为2.624 g/L时,预测最大值为7.199×108CFU/mL,实测量为7.244×108CFU/mL;最终确定培养基配方:玉米粉为39.650 g/L,豆饼粉为25.500 g/L,K2HPO4为2.624 g/L,CaCO3为3.000 g/L,MgSO4.7H2O和NaCl均为0.200 g/L;优化后阿特拉津降解菌DNS32发酵生物量比优化前提高了36.6%。结果表明,在阿特拉津降解菌DNS32发酵培养基组分优化方面,响应面法和基于人工神经网络的遗传算法都是可行的,基于人工神经网络的遗传算法具有更好的拟合度和预测准确度。     

振动试验数据管理系统概述

随着近些年振动试验技术的快速发展,对于振动试验数据的保存、管理和统计提出了更高的要求。鉴于此,附属于试验室信息管理系统的振动试验数据管理系统作为振动试验有效的管理工具,必然会成为提升试验室振动试验能力、规范试验技术的有效工具。     

大气细粒子(PM2.5)监测技术进展

大气细粒子(PM2.5)的污染对人和生态环境等影响巨大,迫切需要进行PM2.5质量浓度的监测;本文介绍了PM2.5国内外监测研究进展、监测网络应用情况以及监测技术;重点介绍了几种先进的技术:β射线法、振荡天平法和光散射法,并详细描述了各种监测设备的原理及结构,提出最好采用PM2.5在线监测仪进行日常监测。     

基于人工蜂群算法与BP神经网络的水质评价模型

针对BP网络水质评价模型的不足,引入人工蜂群(ABC)算法,将求解BP神经网络各层权值、阀值的过程转化为蜜蜂寻找最佳蜜源的过程,提出了一种新的结合人工蜂群算法的BP网络水质评价方法(ABC-BP)。并以2000—2006年渭河监测断面的10组实测数据作为测试样本对其水质进行了评价,实验结果表明该方法得到的水质评价结果准确,并具有很强的稳定性和鲁棒性。     

ABR处理硫酸盐有机废水的BP神经网络建模

通过厌氧折流板反应器(ABR)处理硫酸盐有机废水的实验数据对BP神经网络进行训练,建立了ABR处理硫酸盐有机废水的BPNN模型,通过测试对比,找出了较优训练函数为traingda,较优训练次数为1 900.利用分割连接权值法(PCW)对影响出水SO42-和COD的主要因素进行分析,结果显示进水COD、SO42-、pH、COD/SO42-和HRT对出水SO42-和COD均产生一定影响,其中进水pH对出水SO42-和COD的影响最大,相对重要性(RI)指数分别为30.79％和23.44％;并通过样本试验数据分别建立了对SO42-和COD去除率的限制因子仿真模型,为预测硫酸盐有机废水的厌氧处理过程提供指导.     

基于轴-辐理论的皖江城市带物流网络空间构建

大力发展现代物流业和皖江城市带承接产业转移示范区建设是两大重要国家级战略。首先对轴-辐理论的国内外研究现状进行了总结和归纳,分析了轴-辐网络的结构及其优劣势。其次,设计了物流中心性指数的评价指标体系,运用主成分分析法对皖江城市带的9个地级城市进行物流节点等级划分,根据分析结果的总得分和区位特征确定合肥、芜湖、安庆3个一级物流节点,形成轴三角。分析了各级物流节点间的干线及支线物流通道,构建了皖江城市带轴-辐物流网络空间。     

村镇供水管网优化设计探讨

如何合理确定村镇供水管网敷设方案,关系到整个供水系统的安全性和可靠性。通过生成树变化法,将环状管网转化成树状管网,确定供水管网中最短供水路线,再计算最短供水路线下的最低综合费用、供水系统的经济管径,以确定最优管道敷设方案。根据该方法对四川省某镇供水系统进行了设计。     

响应面法和神经网络优化Acinetobactersp．DNS32发酵基质

为了提高阿特拉津降解菌Acinetobactersp．DNS32的产量,分别采用响应曲面法和基于人工神经网络的遗传算法对阿特拉津降解菌DNS32发酵培养基中3个重要基质成分（玉米粉、豆饼粉、K：HPO。）进行优化研究。响应曲面法确定3种成分的含量为玉米粉39．494g／L,豆饼粉25．638g／L和K。HPO。3．265g／L时,预测发酵活菌最大生物量为7．079×10^8CFU／mL,实测量为7．194×10^8CFU／mL;人工神经网络结合遗传算法优化确定3种主要成分含量为玉米粉为39．650g／L,豆饼粉为25．500g／L,K2HPO4为2．624g／L时,预测最大值为7．199×10^8CFU／mL,实测量为7．244×10。CFU／mL;最终确定培养基配方：玉米粉为39．650g／L,豆饼粉为25．500g／L,K2HPO4为2．624g／L,CaCO3为3．000g／L,MgSO4·7H2O和NaCl均为0．200g／L;优化后阿特拉津降解菌DNS32发酵生物量比优化前提高了36．6％。结果表明,在阿特拉津降解菌DNS32发酵培养基组分优化方面,响应面法和基于人工神经网络的遗传算法都是可行的,基于人工神经网络的遗传算法具有更好的拟合度和预测准确度。     

Network design for water quality monitoring of surface freshwaters: a review

To date, many water quality monitoring networks for surface freshwaters have been rather haphazardly designed without a consistent or logical design strategy. Moreover, design practices in recent years indicate a need for cost-effective and logistically adaptable network design approaches. There are many variables that need to be included in a comprehensive yet practical monitoring network: a holistic appraisal of the monitoring objectives, representative sampling locations, suitable sampling frequencies, water quality variable selection, and budgetary and logistical constraints are examples. In order to investigate the factors which affect the development of an effective water quality monitoring network design methodology, a review of past and current approaches is presented.