为探讨龙泉煤层气田产甲烷菌群降解烟煤产甲烷的潜力，研究富集并驯化了龙泉煤层气田产甲烷菌群；以龙泉矿烟煤为母质，开展产甲烷菌群降解煤产气的实验室研究以及中试研究。结果表明，龙泉煤层产甲烷菌群经富集驯化后，降解烟煤产甲烷的浓度由8.2%上升至19%，且产气周期缩短。中试试验中，产甲烷浓度最高达27.06%，产甲烷速率达0.159 mL/(g·d)；且在中试发酵产气的衰退期，向发酵罐内添加酵母粉、氮源、磷盐、镁盐、维生素、微量元素，可重新激活产甲烷菌群的活性，使其降解烟煤产甲烷的浓度回升。由此可见，富集驯化龙泉煤层产甲烷菌群可显著提高其降解烟煤产甲烷的能力；在发酵产气衰退期补加营养物质，可以活化产甲烷菌群，恢复其降解烟煤产甲烷的能力。

直接安装好就有40个授权

智能算法之粒子群算法及改进. **智能算法：粒子群算法（Particle Swarm Optimization，PSO）** **资源描述：** 1. **算法原理与思想：** 粒子群算法是一种基于群体智能的优化算法，灵感来自于鸟群或鱼群等自然界中群体的协作行为。在PSO中，问题的解被看作是一群粒子，在解空间中不断移动，通过跟随历史上最优解（局部最优解）和整个群体的最优解（全局最优解）来寻找最优解。 2. **基本步骤：** - 初始化粒子群的位置和速度。 - 计算每个粒子的适应度（目标函数值）。 - 更新每个粒子的速度和位置，以便它们向着历史上最优解和群体的最优解移动。 - 重复上述步骤，直到达到预定的停止条件（例如，迭代次数达到预定值或找到满足要求的解）。 3. **算法优势：** - PSO算法简单易懂，容易实现。 - 由于其并行性，PSO适用于高维优化问题。 - PSO具有全局搜索能力，能够找到接近全局最优解的解。 4. **改进的粒子群算法：** - 多种改进的粒子群算法被提出，例如自适应权重PSO（Adapti

梯级水库群联合防洪预报调度规则优化设计方法 ，刁艳芳，武竹青，洪水和降雨预报精度的提高使之广泛应用于水库防洪调度中，并且随着水库建设的增多，库群联合防洪预报调度成为有效提升水库防洪和

梯级水库群联合防洪预报调度方式风险分析 ，刁艳芳，王亚平，随着降雨预报和洪水预报精度的提高，为实现预蓄预泄，提高水库防洪和兴利效益，预报信息越来越广泛的应用于指导水库防洪调度决策

为提高煤炭资源回采率、延长矿井服务年限和实现厚薄煤层间合理配采,开展了近距离煤层群下伏厚煤层综放开采下上行开采可行性研究。基于燕家河煤矿近距离煤层群5-1,5-2及8煤地质条件,采用理论分析、物理模拟、数值模拟和现场实测等研究方法分析了8煤综放开采采场覆岩运移规律及破断特征,掌握了上覆5-1,5-2煤层与岩层的破坏特征及变形规律,确定了5-1,5-2煤层上行开采可行性。研究表明,8煤覆岩冒落带高度为1626.7 m.5-1煤位于8煤裂隙带下层位,处于8煤冒落带之上,5-1煤及其顶底板虽有明显弯曲变形下沉,但无台阶错动,整体连续性好。5-2煤位于8煤裂隙带与冒落带过渡层位,接近8煤冒落带;巷探表明了5-2煤处于整体下沉,顶底板无台阶错动,整体连续性较好。除内错采空区025 m的5-1,5-2煤层破坏较严重外,其余范围的5-1,5-2煤层结构连续完整,均可上行开采。

粒子群算法(PSO)优化最小二乘支持向量机分类预测，PSO-LSSVM分类预测，多输入单输出模型。 多特征输入单输出的二分类及多分类模型。程序内注释详细，直接替换数据就可以用。 程序语言为matlab，程序可出分类效果图，迭代优化图，混淆矩阵图。

该版本为目前6.2 群辉可用的最低版

针对用BaumWelch算法训练隐马尔可夫模型用于序列比对算法的搜索空间有限性容易陷入局部最优点的缺陷，提出一种用量子粒子群优化算法训练隐马尔可夫模型的生物多序列比对新方法。该方法克服了BaumWelch算法在收敛性能上的缺陷，在整个可行解空间中进行搜索。从BaliBASE数据库中选取测试例子进行数值实验，实验结果表明，所提算法优于BaumWelch算法，对标准例子进行的实验证明了算法的有效性。

固态硬盘固件之群联ps3111固件全集