亲水作用色谱-串联质谱法测定动物源运动食品中3种氨基糖苷类抗生素的残留量

该研究建立了一种亲水交互作用色谱-串联质谱（HILIC-MS/MS）法测定动物源运动食品中潮霉素B、新霉素、安普霉素3种氨基糖苷类抗生素残留量的方法。结果表明，样品经Sielc Obelisc R柱分离，采用0.1%甲酸水溶液-乙腈梯度洗脱，可以实现3种目标物组分的分离。在此条件下，3种氨基糖苷类抗生素在5～500 ng/mL的质量浓度范围内线性关系良好，相关系数R2为0.999 5～0.999 9，检出限均为15 μg/kg，定量限均为50 μg/kg，保留时间的日间和日内相对标准偏差（RSD）分别为3.5%～7.9%和3.5%～4.1%，峰面积的日间和日内RSD分别为3.6%～7.4%和3.2%～3.9%，加标回收率为85.7%～93.6%，回收率试验结果的RSD为3.1%～5.2%。该方法可以满足动物源运动食品中3种氨基糖苷类抗生素的检测需求。     

基于新型光纤的传输技术探讨

随着互联网的高速发展，引发了网络流量、电信骨干网流量急速增长，使得网络容量的提升迫在眉睫。目前，100G 系统已经商用，超100G系统能够更有效地解决流量和网络带宽持续增长带来的压力，本文主要介绍新型单模光纤的特性以及探讨基于新型单模光纤的传输技术。     

基于WSN的农业大棚智能环境监控系统研究

文章研究了基于WSN的农业大棚环境监控系统,分别从环境监控系统的硬件设计、软件设计以及系统优化几个方面进行了分析和研究。以保定地区草莓种植基地作为测试环境,对本系统进行了为期3个月的测试。实验结果表明,本系统能够实时、准确地采集环境信息。     

基于SCAE⁃ACGAN的直升机行星齿轮裂纹故障诊断

直升机行星传动轮系结构复杂、工况多变,其振动信号受工况影响大,在故障样本较少的情况下导致行星齿轮箱故障诊断准确率不高,早期故障诊断困难。针对上述问题,提出将堆栈收缩自动编码网络(stacked contractive autoencoder,简称SCAE)与辅助分类生成式对抗网络(auxiliary classifier generative adversarial networks,简称ACGAN)相结合的SCAE-ACGAN故障诊断方法。ACGAN的生成器产生与真实样本具有类似分布的生成样本,扩展训练样本集,并与真实样本一起输入至判别器进行训练。ACGAN采用SCAE作为判别器,利用SCAE良好的抗数据波动能力,从扩展样本集中挖掘出有效的深度特征,并实现样本的真伪与类别的判定。ACGAN的判别器和生成器在对抗学习训练机制下交替优化,提高方法的样本生成质量与故障判定能力。将SCAE-ACGAN应用于直升机行星轮裂纹故障诊断,结果表明,SCAE-ACGAN的故障诊断性能好,在样本数量少与工况变化情况下具有较好的健壮性和适应性。     

基于复杂网络的合成致死预测方法研究综述

合成致死(Synthetic Lethality,SL)是一种负遗传相互作用,描述的是两个非必要基因之间的相互关系:其中任何一个基因的突变对细胞存活的影响很小,但两个基因的共同突变会导致细胞死亡或其他有碍细胞存活的表型.SL对于解释复杂生物过程、推动癌症的临床诊治有着重要的意义.因此,利用海量的高通量数据,通过构建数据分析模型和计算方法,从计算的角度进行SL对的挖掘和预测,是计算生物学研究的一个重要方向.本文首先对于SL预测所使用的相关数据进行了详细的综述,然后从生物网络这一全新视角出发,重点讨论了基于网络分析的SL预测方法.从网络上的统计学方法、基于网络结构变化的方法、基于网络特征学习的方法、基于图表示学习的方法四个方面综述了相关预测模型和研究的最新进展,详细地比较了各类方法的算法思路、应用场景和优缺点,最后针对SL预测的结果评估和验证方法的研究进展进行了论述.在此基础上,论文进一步总结出SL预测研究中所面临的几项挑战,并针对性的对未来发展方向进行展望,希望为今后的相关研究提供一些有用的参考和思路.     

抗高温无固相甲酸盐钻井液体系研究

室内通过选用两种新型聚合物材料构建了一套抗高温无固相甲酸盐钻井液体系,室内研究表明该钻井液体系抗温性能稳定、抑制性好、抗污染能力强。该钻井液体系在渤中19-6区块井的应用效果较好,其流变性能满足钻进需求,携岩效果好,井壁稳定,起下钻过程中未出现遇阻、遇卡等问题,特别是对环境、储层保护效果好。现场测试产量良好,油气产量均达到预期水平。     

基于智能手机用户行为习惯的App使用预测算法研究

互联网的发展不仅推动了智能手机的普及,而且涌现了大量的手机App。大量被安装在手机中的应用程序不仅增加了用户寻找App的时间和难度,而且占用了手机大量的内存空间,致使手机卡顿,严重影响了用户体验。利用智能手机用户使用App的行为习惯特征,预测用户将要使用的App,并将其应用到智能手机中用以预加载App和智能清理手机内存是解决上述问题的方法之一。在深入了解PrefixSpan算法和Bayesian网络算法的前提下,考虑智能手机用户对每个App的喜爱程度,将其加入到PrefixSpan算法的剪枝步骤中;采用贝叶斯网络算法整合智能手机用户的App使用记录和App使用时长等特征,提出一套新的预测用户下一个将要使用的App的算法——WAPA(Weighted App Prediction Algorithm)。实验证明,该算法预测准确率最高可达86.3%,较其他算法可提高大约4%。