为了建立高效、灵敏的猪流行性腹泻病毒(PEDV)检测方法,本研究从GenBank数据库中获取PEDV N基因序列,扩增出PEDV N基因标准质粒,并在N基因的保守区域内设计了一对特异性荧光定量引物,成功建立了SYBR Green I实时荧光定量PCR检测方法。...为了建立高效、灵敏的猪流行性腹泻病毒(PEDV)检测方法,本研究从GenBank数据库中获取PEDV N基因序列,扩增出PEDV N基因标准质粒,并在N基因的保守区域内设计了一对特异性荧光定量引物,成功建立了SYBR Green I实时荧光定量PCR检测方法。经过一系列试验表明,该检测方法线性关系良好,R^(2)值为0.99;特异性强,敏感性高,最低可检测至2.23 copies/μL,比普通PCR灵敏约100倍;重复性好,组内变异系数为0.25%~0.43%,组间变异系数为0.67%~0.97%;对于各地区96份临床样品检测出PEDV阳性率为25%。本研究建立的实时荧光定量PCR检测方法为PEDV的临床诊断、流行病学调查以及定量研究提供了有效的检测工具。展开更多
针对现有的特高压直流(ultra high voltage direct current,UHVDC)输电系统故障检测方法灵敏度低、难以识别高阻接地故障的问题,提出了一种基于整数因子(integer factor,IF)-近似导数(approximate derivative,AD)和极限学习机(extreme l...针对现有的特高压直流(ultra high voltage direct current,UHVDC)输电系统故障检测方法灵敏度低、难以识别高阻接地故障的问题,提出了一种基于整数因子(integer factor,IF)-近似导数(approximate derivative,AD)和极限学习机(extreme learning machine,ELM)的特高压直流输电系统故障辨识方法。其中整数因子用于分析不同采样频率下的信号,近似导数法用于获得信号不同程度的细节系数。首先,基于不同的整数因子对信号进行下采样,并利用近似导数法对所得信号求一阶、二阶和三阶近似导数。其次,分别计算各个子信号的熵特征。然后,用基于交叉验证的递归特征消除(recursive feature elimination with cross validation,RFECV)算法对得到的一系列特征进行特征筛选,并结合ELM对特高压直流输电系统进行故障辨识。最后,在Matlab/Simulink环境中搭建了±800 kV的UHVDC系统模型,模拟不同故障类型。实验结果表明,所提方法在识别特高压直流输电系统不同类型故障时有更高的准确率,且耐受过渡电阻能力强。展开更多
空调负荷的精准预测对建筑空调系统优化控制具有重要意义。为提高空调负荷预测精度,提出了一种基于奇异谱分析(SSA,Singular Spectrum Analysis)的卷积神经网络(CNN,Convolutional Neural Network)和双向长短时记忆网络(BiLSTM,Bidirect...空调负荷的精准预测对建筑空调系统优化控制具有重要意义。为提高空调负荷预测精度,提出了一种基于奇异谱分析(SSA,Singular Spectrum Analysis)的卷积神经网络(CNN,Convolutional Neural Network)和双向长短时记忆网络(BiLSTM,Bidirectional Long Short Term Memory)短期空调负荷预测模型。使用皮尔森相关系数选取与空调负荷高相关性特征。针对空调负荷的波动性和随机性,采用SSA将空调负荷分解为多个分量,同时将各个分量带入CNN-BiLSTM模型进行预测,该模型利用了CNN的特征提取和BiLSTM的双向学习能力,并将各个分量预测结果进行重构。通过不同建筑类型的空调数据对该模型进行验证分析,发现所提出模型在预测办公建筑空调负荷中RMSE、MAPE和MAE为19.47RT、14.72RT和2.33%,在预测商业建筑空调负荷中RMSE、MAPE和MAE为82.5RT、34.21RT和0.87%。结果表明,所提出的模型具有普适性且精度较高,可进行推广应用。展开更多
鉴于科技的进步和实验经验,ISO/TC 209出台ISO14644-1:2015《按粒子浓度划出空气洁净度等级》Classification of air cleanliness by particle concentration比ISO14644-1:1999《空气洁净度等级》Classification of air cleanliness技...鉴于科技的进步和实验经验,ISO/TC 209出台ISO14644-1:2015《按粒子浓度划出空气洁净度等级》Classification of air cleanliness by particle concentration比ISO14644-1:1999《空气洁净度等级》Classification of air cleanliness技术概念更清晰,使用更方便;实事求是,更赋灵活性:分级表中,所有浓度值都是累积,包括所有大于等于关注粒径(Considered particle size)的粒子的最大允许浓度值(Maximun allowable concentration siae),浓度限值。区域粒子浓度太高,浓度限值不适用;或者由于低浓度时采样和统计方法的局限性区域分级不适用。按统计学技术概念,决定检测洁净度最少采样点数N_(L);N_(L)值与洁净度无直接关联。作为标准应用的补充,超净环境检测需关注超高过滤器滤材最易穿透粒径MPPS,Most penetrating particle size。展开更多
文摘针对现有的特高压直流(ultra high voltage direct current,UHVDC)输电系统故障检测方法灵敏度低、难以识别高阻接地故障的问题,提出了一种基于整数因子(integer factor,IF)-近似导数(approximate derivative,AD)和极限学习机(extreme learning machine,ELM)的特高压直流输电系统故障辨识方法。其中整数因子用于分析不同采样频率下的信号,近似导数法用于获得信号不同程度的细节系数。首先,基于不同的整数因子对信号进行下采样,并利用近似导数法对所得信号求一阶、二阶和三阶近似导数。其次,分别计算各个子信号的熵特征。然后,用基于交叉验证的递归特征消除(recursive feature elimination with cross validation,RFECV)算法对得到的一系列特征进行特征筛选,并结合ELM对特高压直流输电系统进行故障辨识。最后,在Matlab/Simulink环境中搭建了±800 kV的UHVDC系统模型,模拟不同故障类型。实验结果表明,所提方法在识别特高压直流输电系统不同类型故障时有更高的准确率,且耐受过渡电阻能力强。
文摘空调负荷的精准预测对建筑空调系统优化控制具有重要意义。为提高空调负荷预测精度,提出了一种基于奇异谱分析(SSA,Singular Spectrum Analysis)的卷积神经网络(CNN,Convolutional Neural Network)和双向长短时记忆网络(BiLSTM,Bidirectional Long Short Term Memory)短期空调负荷预测模型。使用皮尔森相关系数选取与空调负荷高相关性特征。针对空调负荷的波动性和随机性,采用SSA将空调负荷分解为多个分量,同时将各个分量带入CNN-BiLSTM模型进行预测,该模型利用了CNN的特征提取和BiLSTM的双向学习能力,并将各个分量预测结果进行重构。通过不同建筑类型的空调数据对该模型进行验证分析,发现所提出模型在预测办公建筑空调负荷中RMSE、MAPE和MAE为19.47RT、14.72RT和2.33%,在预测商业建筑空调负荷中RMSE、MAPE和MAE为82.5RT、34.21RT和0.87%。结果表明,所提出的模型具有普适性且精度较高,可进行推广应用。
文摘鉴于科技的进步和实验经验,ISO/TC 209出台ISO14644-1:2015《按粒子浓度划出空气洁净度等级》Classification of air cleanliness by particle concentration比ISO14644-1:1999《空气洁净度等级》Classification of air cleanliness技术概念更清晰,使用更方便;实事求是,更赋灵活性:分级表中,所有浓度值都是累积,包括所有大于等于关注粒径(Considered particle size)的粒子的最大允许浓度值(Maximun allowable concentration siae),浓度限值。区域粒子浓度太高,浓度限值不适用;或者由于低浓度时采样和统计方法的局限性区域分级不适用。按统计学技术概念,决定检测洁净度最少采样点数N_(L);N_(L)值与洁净度无直接关联。作为标准应用的补充,超净环境检测需关注超高过滤器滤材最易穿透粒径MPPS,Most penetrating particle size。
