为了从茶园根际筛选具有产吲哚乙酸(IAA)能力的解磷菌,从湖北省英山县和恩施土家族苗族自治州茶园采集根际土壤,通过平板透明圈法筛选解磷菌,以解磷活性及产IAA能力为指标进行复筛,通过形态特征及16 S rDNA序列分析等方法对菌株进行鉴...为了从茶园根际筛选具有产吲哚乙酸(IAA)能力的解磷菌,从湖北省英山县和恩施土家族苗族自治州茶园采集根际土壤,通过平板透明圈法筛选解磷菌,以解磷活性及产IAA能力为指标进行复筛,通过形态特征及16 S rDNA序列分析等方法对菌株进行鉴定并研究其促生特性。通过大田试验研究菌株对茶叶产量、品质及土壤性质等指标的影响。结果表明,从茶树根际土壤中筛选出的解磷菌DFP-24具有较好的产IAA能力,经鉴定为森林伯克霍尔德氏菌(Burkholderia arboris),同时菌株具有产铁载体、产1-氨基环丙烷-1-羧酸(ACC)脱氨酶和固氮等促生特性。大田试验表明,施加DFP-24菌株可提高茶芽密度,显著提高茶叶全磷含量,增加茶叶游离氨基酸含量,降低酚氨比,影响茶叶品质,同时还能改善土壤性质。综上所述,菌株DFP-24具有开发微生物菌肥的应用潜力,研究结果可为茶树专用根际促生菌肥的开发和应用提供菌种资源和理论依据。展开更多
为实现小反刍兽疫病毒(Peste des petits ruminants virus,PPRV)的快速、准确、定量检测,以国内PPRV Clone 9疫苗株N基因为靶位点设计特异性引物及探针,建立了液滴式数字PCR(Droplet digital PCR,ddPCR)方法,并对其特异性、敏感性及重...为实现小反刍兽疫病毒(Peste des petits ruminants virus,PPRV)的快速、准确、定量检测,以国内PPRV Clone 9疫苗株N基因为靶位点设计特异性引物及探针,建立了液滴式数字PCR(Droplet digital PCR,ddPCR)方法,并对其特异性、敏感性及重复性进行评价。将所建立的ddPCR方法与实时荧光定量PCR(Fluorescence quantitative PCR,qPCR)方法的灵敏度进行比较分析并应用于PPRV(Clone 9株)核糖核酸标准物质的定量。结果显示,所建立的ddPCR方法特异性好,仅PPRV检测结果为阳性,其他羊源病毒类生物制品及毒种检测结果均为阴性;敏感性高,基因拷贝数检出限度为4.33拷贝/μL,比qPCR方法的灵敏度(57.3拷贝/μL)高10倍;重复性好,重复性试验的变异系数为1.8%;定量准确,具有一定资质的9家单位各组测量数据组间变异系数小于5%。试验建立的ddPCR方法能够有效地对PPRV核酸进行快速检测,为PPRV的诊断及绝对定量提供了有效方法。展开更多
针对BP神经网络算法对电动汽车电池荷电状态(state of charge,SOC)估算的缺陷,提出一种基于萤火虫(fireflyalgorithm,FA)神经网络的SOC估算方法。以磷酸铁锂电池为测试对象,在ARBIN公司生产的EVTS电动车动力电池测试系统装置上进行测试...针对BP神经网络算法对电动汽车电池荷电状态(state of charge,SOC)估算的缺陷,提出一种基于萤火虫(fireflyalgorithm,FA)神经网络的SOC估算方法。以磷酸铁锂电池为测试对象,在ARBIN公司生产的EVTS电动车动力电池测试系统装置上进行测试,收集锂电池的各项性能参数。采用端电压和放电电流作为输入参数,SOC作为输出参数,建立FA-BP神经网络模型,用于估算锂离子电池充放电过程中的任一状态下的SOC。仿真实验结果表明,与现有的BP神经网络估算方法相比,基于FA-BP神经网络的锂电池SOC估算方法准确度高,具备很好的实用性。展开更多
文摘为了从茶园根际筛选具有产吲哚乙酸(IAA)能力的解磷菌,从湖北省英山县和恩施土家族苗族自治州茶园采集根际土壤,通过平板透明圈法筛选解磷菌,以解磷活性及产IAA能力为指标进行复筛,通过形态特征及16 S rDNA序列分析等方法对菌株进行鉴定并研究其促生特性。通过大田试验研究菌株对茶叶产量、品质及土壤性质等指标的影响。结果表明,从茶树根际土壤中筛选出的解磷菌DFP-24具有较好的产IAA能力,经鉴定为森林伯克霍尔德氏菌(Burkholderia arboris),同时菌株具有产铁载体、产1-氨基环丙烷-1-羧酸(ACC)脱氨酶和固氮等促生特性。大田试验表明,施加DFP-24菌株可提高茶芽密度,显著提高茶叶全磷含量,增加茶叶游离氨基酸含量,降低酚氨比,影响茶叶品质,同时还能改善土壤性质。综上所述,菌株DFP-24具有开发微生物菌肥的应用潜力,研究结果可为茶树专用根际促生菌肥的开发和应用提供菌种资源和理论依据。
文摘针对BP神经网络算法对电动汽车电池荷电状态(state of charge,SOC)估算的缺陷,提出一种基于萤火虫(fireflyalgorithm,FA)神经网络的SOC估算方法。以磷酸铁锂电池为测试对象,在ARBIN公司生产的EVTS电动车动力电池测试系统装置上进行测试,收集锂电池的各项性能参数。采用端电压和放电电流作为输入参数,SOC作为输出参数,建立FA-BP神经网络模型,用于估算锂离子电池充放电过程中的任一状态下的SOC。仿真实验结果表明,与现有的BP神经网络估算方法相比,基于FA-BP神经网络的锂电池SOC估算方法准确度高,具备很好的实用性。
