几株沼泽红假单胞菌的分离和分类特性研究

分别从温州市郊区采集的 4处淤泥中分离到 4株光能异养型菌株W 1,W 2 ,W 3,W4,对其形态特征和生理特性研究发现 ,4株菌基本相似 ,均为革兰氏阴性 ,弯曲杆状 ,出芽繁殖 ,在光照厌氧和黑暗好氧条件下均能生长。W 1～W4菌株能利用许多有机物作为碳源且以乳酸钠、醋酸钠、丙酮酸、苹果酸、丁二酸为最适宜。酵母膏能显著刺激其生长 ,而谷氨酸钠和丙氨酸对其生长无刺激作用。在pH5 .0～ 8.5的条件下 4株菌均能生长 ,其最适 pH均为 7.0左右。根据上述结果 ,确证W 1～W4均为沼泽红假单胞菌

润湿分散剂的分类特性与应用

论述了不同类型润湿分散剂的基本组成和应用特性。讨论了各种润湿分散剂在不同涂料中所应遵循的规则和选择方法。

浅析无机保温材料的分类特性及应用前景

一、保温材料的定义、分类及其家族 （一）定义 保温材料（Thermal insulating material）是指对热流具有显著阻抗性的材料或材料复合[1]。材料保温性能的好坏,由材料的导热系数λ的大小决定,导热系数越小,保温性能就越好。一般将导热系数不大于0.23W/m·K的材料称为绝热材料,通常将其中导热系数λ值小于0.14W/m·K的绝热材料称为保温材料,将导热系数λ值在0.05W/m·K以下的材料称为高效保温材料。

润湿分散剂的分类特性和应用

本文论述不同类别润湿分散剂的基本组成和应用特性，并讨论各种润湿分散剂在不同涂料中所应遵循的规则和选择方法。共讨论了八大类涂料工业常用的润湿分散剂品种。

考虑特性分类批处理负荷可调节能力的数据中心微网灵活性设备分布鲁棒容量配置方法

微网灵活性设备主要用于平抑源荷两侧的波动,其容量配置方法应考虑源荷不确定性的影响,而含数据中心微网的灵活性设备容量配置方法还应进一步考虑数据中心负荷的可调节特性。考虑数据中心批处理负荷的可调节能力和源荷不确定性因素,提出一种灵活性设备容量配置方法。根据负荷特性的不同,将批处理负荷划分为2类以更加准确地量化其可调节能力,一类为带宽时序可变限时可平移负荷,另一类为带宽时序不变可中断平移负荷,对这2类批处理负荷进行详细分析并给出一般性的建模方法;构建数据驱动下的min-max-min两阶段分布鲁棒优化容量配置模型,利用1-范数和∞-范数约束场景概率分布模糊集,采用列和约束生成算法对该模型进行化简求解。对某省数据中心微网进行算例分析,验证了所提方法的有效性。

电力负荷动特性分类方法研究

负荷特性的分类与综合是负荷模型实用化的关键,是解决负荷建模中负荷特性随机时变性问题和区域分散性问题的有效途径。文中深入分析了负荷动特性分类方法,系统阐述了负荷动特性分类特征向量的种类和基本要求。明确指出:以实测响应空间作为特征向量空间必须对实测响应进行时间坐标的标准化;以模型参数空间作为特征向量空间必须选择参数稳定性好的辨识算法;以标准电压激励下的模型响应空间作为特征向量空间必须选择具有好的内插外推能力的模型结构。最后,通过一个含有20个现场实测样本的分类实例比较和分析了3种特征向量空间的分类结果,并推荐使用实测响应空间作为负荷动特性分类的特征向量空间。

基于实测响应空间的负荷动特性分类原理与方法

负荷特性的分类与综合是解决负荷建模中时变性难题的有效途径。于是基于随机过程相关性原理,提出了一种基于实测响应空间的负荷动特性分类方法。该方法以负荷动特性的实测响应空间为特征向量空间,对各个样本的实测响应进行时间坐标的标准化,以计算实测响应空间各样本间的相关系数,并采用系统聚类法按相关系数值进行特性分类。实测响应空间具有能够直接、准确地反映负荷构成的本质特征的优点,一工程应用实例证明了该方法正确有效,实现简便。

基于灰色关联聚类的负荷特性分类

以变电站负荷构成比例为基本特征,以负荷特性之间的灰色关联度作为基本测度指标,把灰色理论应用于负荷特性分类;并定义负荷特性的均值化特征向量,构造灰色关联度矩阵,提出一种基于元件的变电站综合负荷特性的分类方法.对湖南省48个220 KV变电站的负荷特性分类结果表明,该算法简易、快速、有效,分类结果合理,具有广阔的应用前景.

基于自适应遗传算法的负荷特性分类

提出了运用一种改进的遗传算法对电力负荷特性进行分类的新方法。通过对样本进行遗传操作,求出适应度最高的个体,解码得到最优聚类中心,再根据样本与各中心距离进行划分,从而得到负荷样本的最优分类结果,用获得分类的聚类中心对所属类别样本进行拟合以检验分类效果。改进后的遗传算法的交叉概率和变异概率随进化过程自适应变化,在保证遗传算法良好的全局性和随机性的同时,避免了早熟收敛和收敛过慢。实际算例表明,用这种改进遗传算法对电力负荷特性进行分类,能够有效避免初始条件对分类结果的过度影响,取得了良好的分类效果。

改进遗传K均值算法在负荷特性分类的应用

负荷特性聚类是负荷建模的基础工作,精确的负荷特性分类对负荷建模十分重要。为适用于实际电网规划等对负荷分类精度要求更高的领域,针对负荷聚类时存在的聚类数目不确定、初始条件选择敏感的问题,提出了一种改进遗传算法的负荷特性分类新方法。该方法在遗传算法全局搜索能力的基础上,结合K均值聚类方法进行聚类分析,得到最优分类结果。同时,针对聚类中心敏感的问题,遗传算法中采用可变长编码方案进行优化,动态寻找最优聚类数目,确定最优聚类中心。实例分析结果表明,用改进遗传算法对负荷特性进行分类,能够有效避免初始条件对分类结果的影响,可以获得良好的分类效果。

驾驶员转向特性分类与在线辨识研究

针对汽车驾驶员转向特性分类与在线辨识问题,基于驾驶模拟器实验台,设计典型实验工况,选取具有一定驾驶经验的驾驶员进行实验研究。采集驾驶员转向过程实验数据并提取特征值,应用模糊C均值聚类算法将驾驶员转向特性分为谨慎型、一般型和激进型三类;根据分类实验数据应用BP神经网络算法建立驾驶员转向特性辨识模型,对模型辨识准确度进行离线验证,并基于辨识模型设计在线辨识方法。实验结果表明:研究方法能够实现对驾驶员转向特性的合理分类和在线准确辨识。

白灵菇分类学特性诠释

白灵菇这一食用菌产业中的商业名称所涉及的类群并非分类学意义上的一个分类群。经考证发现 ,它们包括 1个种和 2个变种 ,即杏鲍菇 Pleurotuseryngii (DC,:Fr.) Qu′el.、阿魏侧耳 P.eryngii var.ferulae Lanzi、白阿魏蘑 P.eryngii var.ner-brodensis Inzenga;同时 ,分别整理了上述种和变种的别名或商业名、识别要点、生境、分布和用途 ,并列出了它们的分类检索表 。

基于模糊层次分析法的产品特性分类模型

产品特性分类是武器装备研制过程中的一项重要工作。现有的产品特性分类方法主要是在可靠性预计、故障模式及影响分析的基础上进行,无法全面衡量产品寿命周期中的安全性、维修性、保障性因素。文章分析了当前产品特性分类准则,提出基于模糊层次分析法的分类模型,该模型能够给出产品针对特性分类准则的优劣排序,用以辅助设计人员进行特性分类工作。最后通过实例验证了模型的实用性。

基于自适应FCM和LVQ神经网络的负荷特性分类

随着电网规模日益扩大,电力负荷特性越来越多样化,精确的负荷特性分类对电力系统十分重要。基于自适应FCM和LVQ神经网络算法,提出了一种负荷特性分类方法,采用基于有效性指标函数FCM算法,产生最佳聚类数目;根据聚类结果选择最靠近每类中心的样本作为LVQ神经网络聚类的训练样本,训练学习矢量量化神经网络;通过训练好的神经网络实现对所有负荷特性样本的分类。算例分析表明是有效的和优越的。

灰土的特性分类及利用——第5届国际土壤分类会议论文综述

作者于1988年10月去美国和加拿大参加第5届国际土壤分类工作会议。根据会议有关资料对国际上有关灰土的分布、类型、特性、分类和利用的研究现状进行了综述。

应用于黑启动的负荷特性分析与分类方法

负荷特性的分析与分类可以掌握负荷的变化规律,筛选出重要的负荷用于黑启动方案的优化。为了保障尽可能多的重要负荷在停电事故中尽快恢复供电,分析黑启动负荷的恢复模型,将模糊聚类方法应用于负荷特性分析和分类,提出应用于黑启动方案的负荷特性分析和分类方法,求出变电站中各类负荷的重要度。最后,基于实际区域电网进行负荷特性分析与分类,验证了所提出方法的有效性。

改进自适应模糊C均值算法在负荷特性分类的应用

模糊C均值(FCM)算法是一种用于电力负荷特性分类的有效方法。针对传统FCM算法易陷入局部最优且对初始条件敏感的问题,文中提出了基于微分进化(DE)自适应优化的改进措施。相对于FCM算法的梯度最速下降寻优策略,改进算法利用DE多点随机并行搜索,对控制参数及非最优个体进行自适应调整,具有全局搜索能力强、鲁棒性高的特点。实际算例仿真表明,所述算法降低了负荷特性分类对初始值的依赖度,在不同聚类数目的条件下仍具有良好的性能,适用于实际电网滚动规划等对负荷特性分类精度要求更高的领域。

电子烟烟液危险特性分类的探讨

本文在对电子烟烟液中具有危险特性的组分分析的基础上,按照联合国危险货物运输(TDG)体系和全球化学品统一分类和标签制度(GHS)要求对电子烟烟液进行危险特性分类的探讨。通过分析电子烟烟液中尼古丁含量对急毒性分类的影响,得到了不同含量类别电子烟烟液的TDG分类和GHS分类结果,并给出了基于危险特性的防范措施,可为我国制定电子烟安全规范提供技术参考。

航天型号产品特性分类工作基本状况与建议

概述了特性分类的作用 ,介绍了航天型号产品特性分类工作的基本现状 ,分析了存在的问题 ,并结合产品设计过程中特性分类的实际问题提出了做好特性分类的几点建议。

基于SOM神经网络的负荷特性分类

负荷模型对电力系统仿真结果有重要影响,由于负荷特性的辨识是负荷建模的主要方面之一,故提高负荷模型的准确度就需要对负荷特性分类进行研究。文章在详细分析SOM自组织映射神经网络结构的基础上,采用了基于SOM神经网络的负荷分类方法,以负荷模型参数作为负荷动态特性分类特征向量,应用SOM神经网络对负荷特性进行分类,并对分类结果进行测试,结果表明该方法可有效地对负荷样本进行分类。