老旧型水电站生态流量下泄方式分析

针对老旧型水电站缺乏专用的生态流量泄放设施的问题,以11级典型的老旧型水电站为例,依据拦河坝、电站和水库等工程的特性,提出了发电+堰闸泄流、堰闸泄流、小机组发电泄流和冲砂底孔泄流四种适用的泄流方式,讨论了不同泄流方式的适用范围和局限性。结果表明,四种泄流方式均可作为老旧型水电站泄放生态流量的保障措施,这对建设生态河道具有借鉴意义。     

气相色谱结合判别分析检测稻米油掺伪

为了对掺伪稻米油进行准确快速定性检测,采用毛细管气相色谱法分析了稻米油、棕榈油、菜籽油、棉籽油、大豆油等的脂肪酸种类和含量,对稻米油进行模拟掺伪,测定不同掺伪率下的脂肪酸含量变化,采用判别分析检测掺伪油脂种类。结果表明,纯植物油的判别准确率为100%,掺伪油判别准确率为91.7%;稻米油中掺棕榈油9%以上、掺菜籽油2%以上、掺棉籽油20%以上、掺大豆油6%以上均能正确判别。     

酒曲根霉的诱变育种

本试验对根霉RA-1菌株进行NaNO2诱变和紫外线诱变,得到一株低聚糖酶活力较高的菌株,酶活力达到4360(U/g干曲),比出发菌株提高403.7%,液化酶比出发菌株提高到486.2%,达到1953(U/g干曲),糖化酶提高到出发菌株的567.8%,达到2.55×105(U/g干曲),将该菌株进行斜面传代,产酶稳定。     

结合太赫兹光谱与机器学习的小麦霉变程度判别

为快速、准确地判断小麦籽粒的霉变程度，研究基于太赫兹时域光谱技术，结合支持向量机（support vector machine,SVM）、随机森林（random forest,RF）和极限学习机（extreme learning machine,ELM）的霉变小麦定性分析方法。首先，将小麦籽粒分为正常、轻度霉变、中度霉变和重度霉变4类，利用CCT-1800太赫兹时域光谱仪获取小麦样本在0.1～4.0 THz波段的光谱数据。对比采用不同光谱预处理方法对判别结果的影响后，使用主成分分析、线性判别分析（linear discriminant analysis,LDA）、t分布随机近邻嵌入3种方法对光谱数据进行降维，结果表明LDA的降维效果最好。最后，构建基于SVM、RF和ELM的小麦霉变程度判别模型，结果显示SVM的判别效果最好，当核函数选择多项式核、误差惩罚系数为1时，判别准确率高达98.61%，预测集均方根误差值为0.142 9。本研究表明利用太赫兹光谱技术可实现小麦霉变程度的准确检测，为食品安全和粮食贮藏检测提供一种检测手段。