物体表面滞留微生物气溶胶抗力的预测模型研究

发布时间：2017-10-26 20:05

  本文关键词：物体表面滞留微生物气溶胶抗力的预测模型研究

  更多相关文章： 气溶胶 芽胞 抗力 预测模型 神经网络

【摘要】： 预测生物战剂的有效覆盖面积及污染程度是实施有效生物防护的关键环节,其中,准确预测战剂的污染浓度和活力维持时间将为大规模的现场洗消任务提供重要依据,有利于实现及时反应、恰当反应和准确防护的目标。但是,长期以来,传统的现场处置方法以经验性推论为依据,准确度低,与实际状况相距很大,虽然可以作为参考数据,但也可能给具体措施的拟订带来不恰当的后果,可能出现处置不力或过度反应的现象。本研究以枯草杆菌为试验菌,采用生物信息技术、电镜技术、气溶胶技术、活菌计数分析和计算机神经网络工具智能分析等方法,以模拟的不同的表面环境条件下芽胞气溶胶消长规律为依据,构建快速、准确预测环境表面芽胞气溶胶残留抗力的实用模型,研究结果如下: 1.通过生物信息同源分析,透射电镜超微结构观察,以及热力、紫外线和有效氯的抗力测定分析,证实炭疽芽胞与腊样芽胞、枯草杆菌芽胞相比,其结构和大小相似,生物遗传同源性相近,对热力、UVC和有效氯的抗力基本相同。说明可以用腊样芽胞和枯草杆菌芽胞替代炭疽芽胞作为试验菌。 2.在模拟的自然表面环境下(叶片、石片、瓦片、布片),气溶胶滞留抗力的变化随着温度、湿度、UVC照射强度和暴露时间的变化呈现明显的消亡趋势,其中UVC的暴露对芽胞抗力的弱化最明显,叶片中芽胞气溶胶滞留抗力略强于其他表面。 3.研究了以Matlab6.1为基础的神经网络为技术平台进行芽胞气溶胶滞抗力预测模型研究。根据研究目的、模拟环境条件和数据训练的平滑曲线等特征,设定了5个输入神经元,8个隐层节点和1个输出神经元。‘tansig’、‘purelin’为传递函数,trainlm为训练函数。网络迭代100次。此时模型的回顾预测效率达到95%,前瞻预测效率达到85%。
【关键词】：气溶胶 芽胞 抗力 预测模型 神经网络
【学位授予单位】：第三军医大学
【学位级别】：硕士
【学位授予年份】：2010
【分类号】：R82
【目录】：

• 中英文对照表4-6
• 英文摘要6-7
• 中文摘要7-8
• 论文正文 物体表面滞留微生物气溶胶抗力的预测模型研究8-35
• 前言8-9
• 第一部分 模拟表面环境滞留气溶胶芽胞的消长规律研究9-20
• 材料和方法9-20
• 第二部分 芽胞抗力预测模型研究20-28
• 材料和方法20-28
• 全文讨论28-30
• 全文结论30-32
• 致谢32-33
• 参考文献33-35
• 文献综述 影响炭疽芽胞杆菌芽胞自然消长的主要环境因素35-45
• 参考文献41-45
• 研究生学习阶段发表的文章45

【参考文献】

中国期刊全文数据库 前1条

1 张凤云;王忠海;赵娟;赵进沛;徐书显;;四溴甘脲对枯草杆菌黑色变种芽胞损伤作用的电镜观察[J];生物学杂志;2006年06期

，

本文编号：1100223