猪塞内加谷病毒(Seneca Valley virus,SVV)是一种新出现的小RNA病毒科病毒,感染该病毒的猪群,尤其是仔猪可能出现严重的病理症状甚至死亡。2015年之前,该病毒主要流行于美国、加拿大及巴西等地区,并于2015年3月传入中国[1],给养猪业带...猪塞内加谷病毒(Seneca Valley virus,SVV)是一种新出现的小RNA病毒科病毒,感染该病毒的猪群,尤其是仔猪可能出现严重的病理症状甚至死亡。2015年之前,该病毒主要流行于美国、加拿大及巴西等地区,并于2015年3月传入中国[1],给养猪业带来了严重的经济损失。2018年2月,本实验室检测并收集了阳性病料,采用PK-15细胞对病料进行病毒分离,并通过观察细胞CPE(细胞病变效应)、RT-PCR扩增和VP1基因序列测定进行鉴定。结果显示,成功分离到四川地区第一株SVV并将其命名为CH-MS-2018。对VP1基因的扩增测序及序列分析结果表明,本次分离得到的CH-MS-2018株VP1基因与GenBank上分别于2015年分离的2株和2016年分离的3株美国株的亲缘关系较近,同源性为98.6%。而与最早分离的SVV原始株关系较远,仅为88.0%~89.8%。本研究结果为进一步探索四川地区SVV的生物学性质奠定了基础。展开更多
提出一种基于广义回归神经网络(generalized regression neural network,GRNN)的风力发电机组性能预测及异常状态预警方法。通过分析运行中影响风机主轴转速和发电功率的主要因素,确定了性能预测模型的输入和输出参数。运用监控与数据采...提出一种基于广义回归神经网络(generalized regression neural network,GRNN)的风力发电机组性能预测及异常状态预警方法。通过分析运行中影响风机主轴转速和发电功率的主要因素,确定了性能预测模型的输入和输出参数。运用监控与数据采集(supervisory control and data acquisition,SCADA)系统的真实历史数据,采用广义回归神经网络(GRNN)建立了风电机组的性能预测模型,通过比较模型的预测精度对GRNN的平滑因子进行了优选。以此模型为基础,采用滑动数据窗方法实时计算风电机组转速和功率的残差评价指标,当评价指标连续超过预先设定的阈值时,则可判断风电机组状态异常。采用某实际风电机组若干历史故障发生前后的真实SCADA数据进行模拟,验证了方法的有效性。展开更多
文摘猪塞内加谷病毒(Seneca Valley virus,SVV)是一种新出现的小RNA病毒科病毒,感染该病毒的猪群,尤其是仔猪可能出现严重的病理症状甚至死亡。2015年之前,该病毒主要流行于美国、加拿大及巴西等地区,并于2015年3月传入中国[1],给养猪业带来了严重的经济损失。2018年2月,本实验室检测并收集了阳性病料,采用PK-15细胞对病料进行病毒分离,并通过观察细胞CPE(细胞病变效应)、RT-PCR扩增和VP1基因序列测定进行鉴定。结果显示,成功分离到四川地区第一株SVV并将其命名为CH-MS-2018。对VP1基因的扩增测序及序列分析结果表明,本次分离得到的CH-MS-2018株VP1基因与GenBank上分别于2015年分离的2株和2016年分离的3株美国株的亲缘关系较近,同源性为98.6%。而与最早分离的SVV原始株关系较远,仅为88.0%~89.8%。本研究结果为进一步探索四川地区SVV的生物学性质奠定了基础。
文摘提出一种基于广义回归神经网络(generalized regression neural network,GRNN)的风力发电机组性能预测及异常状态预警方法。通过分析运行中影响风机主轴转速和发电功率的主要因素,确定了性能预测模型的输入和输出参数。运用监控与数据采集(supervisory control and data acquisition,SCADA)系统的真实历史数据,采用广义回归神经网络(GRNN)建立了风电机组的性能预测模型,通过比较模型的预测精度对GRNN的平滑因子进行了优选。以此模型为基础,采用滑动数据窗方法实时计算风电机组转速和功率的残差评价指标,当评价指标连续超过预先设定的阈值时,则可判断风电机组状态异常。采用某实际风电机组若干历史故障发生前后的真实SCADA数据进行模拟,验证了方法的有效性。