用原子吸收光谱法测定水稻白叶枯病菌rpfFxoo基因缺失突变体铁元素吸收

铁元素吸收是细菌生长的重要限制因素之一。前期研究推测在水稻白叶枯病菌(Xanthomonasoryzaepv.oryzae,简称Xoo)中rpfFxoo基因可能参与Fe元素的代谢。通过同源重组法,获得了Xoo基因缺失突变体ΔrpfFxoo;利用原子吸收光谱法测定Xoo野生型菌株PXO99A和ΔrpfFxoo对Fe元素的吸收。结果表明,通过对工作条件的优化,使样品平均回收率达到99.7%,相对标准偏差(RSD)为1.89;随着培养时间的延长,PXO99A和ΔrpfFxoo对Fe元素吸收不断增加,ΔrpfFxoo中Fe元素的含量显著低于PXO99A(P0.05),证明rpfFxoo与铁元素的代谢有关。     

KNN结合PCA在激光诱导荧光光谱识别矿井突水中的应用

矿井突水的迅速识别与分类对于井下水灾防治工作有着重要的意义。提出一种KNN结合PCA运用在激光诱导荧光光谱快速识别矿井突水水源中的新方法。利用激光器发射激光通过可浸入式探头射入水样,得到四种突水水样共80组荧光光谱数据,再分别对每组数据进行预处理,处理后的数据中每种水样取15组数据作为训练集,共60组,其余20组作为预测集。利用主成分分析(PCA)对数据进行处理,之后在主成分分析的基础上利用KNN算法进行分类识别。实验过程中,各预处理方法在主成分个数为2的情况下,进行KNN算法分类的正确率都达到100%。     

PCA-BP模型在判别基于LIF技术煤矿突水水源的应用

防治煤矿突水时需迅速精准地判别突水水源,激光诱导荧光(LIF)光谱技术具有灵敏度高、快速准确监测特点,为检测突水水源提供了一种新的方法。该研究引入该技术以获取突水荧光光谱数据。采用卷积(SG)平滑和多元散射校正(MSC)方法对光谱图进行预处理,以消除光谱采集过程中噪声干扰。采用主成分分析(PCA)方法提取特征信息,针对SG预处理后的数据,当主成分个数为3时,累积贡献率可达到99.76%,已基本保留原数据的全信息。选择3层结构BP神经网络建立分类判别模型,通过不同方式构造训练集和测试集,SG预处理数据构建的分类模型可以达到精准判别,而对于MSC预处理和原始数据出现很少的误判。实验结果表明SG预处理结果要优于MSC预处理。研究结果表明,将PCA和BP神经网络结合建立分类模型,能有效判别煤矿突水水源,且具有较强的自组织、自学习能力。     

LIF技术与SIMCA算法在煤矿突水水源识别中的研究

煤矿突水水源类型的快速识别对于煤矿水害预警防治意义重大。针对传统水化学方法水源识别耗时较长的问题,提出一种基于激光诱导荧光光谱(LIF)技术与簇类的独立软模式(SIMCA)算法的煤矿突水水源快速识别方法。激光诱导荧光光谱技术具有分析速度快、灵敏度高等特点,在激光器的辅助下,荧光光谱仪实时采集荧光光谱,根据水样的荧光光谱即可进行水源类型识别,在数据库完备的情况下,只需几秒即可进行煤矿水源判断,对于煤矿的水害预警以及灾后救援来说意义重大。实验利用405 nm激光器发射激光,打入被测水体,得到五种常见突水水样的共100组荧光光谱,对各水样的荧光光谱进行光谱预处理。每种水样使用15组共75组荧光光谱作为预测集,剩余的25组水样的荧光光谱作为测试集。利用主成分分析(PCA)分别对五种水样进行建模,而后依据所建模型进行SIMCA分类。实验发现不同水样的荧光光谱差异明显,经过Gaussian-Filter预处理后的荧光光谱,在主成分数为2,显著性程度α＝5%的情况下,利用SIMCA算法进行水样分类,预测集和测试集的正确率皆为100%。     

基于S波段多普勒雷达的海风信息提取

针对雷达遥测方式测量海面风信息精度不高的问题,基于S波段多普勒雷达系统,提出了一种海风信息的反演算法.该算法首先利用二维有向海浪谱提取风向,然后把雷达获取的海浪参数代入经验公式得到风速,运用非线性最小二乘法的谱拟合法计算风区,最后将雷达实测数据提取的风信息与风速风向仪结果进行对比,结果表明两者数值接近,误差较小.