中蜂囊状幼虫病病毒依赖解旋酶扩增检测方法的建立

目的建立中蜂囊状幼虫病病毒(chinese sacbrood,CSBV)依赖解旋酶扩增(helicase-dependent amplific ation,HDA)检测方法,并对该方法进行优化及验证。方法提取感染CSBV的中蜂囊状幼虫RNA,以其为模板进行HDA,对建立的HDA的引物浓度(原始浓度为50μmol/L,进行10、20、40、80、160、240、320倍稀释)、反应温度(60、65及70℃)及时间(60、90及120 min)进行优化,并对优化的方法进行特异性、敏感性及稳定性验证。经电镜观察、RT-PCR及优化的HDA法对37份临床样品进行检测。结果 HDA最佳引物浓度、反应温度及时间分别为5μmol/L、65℃及90 min;CSBV与健康幼虫、蜜蜂急性麻痹病毒(acute bee paralysis virus,ABPV)、蜜蜂慢性麻痹病毒(chronic bee paralysis virus,CBPV)、黑蜂王台病毒(black queen cell virus,BQCV)和残翅病毒(deformed wing virus,DWV)cDNA均无交叉反应,HDA的最低检出限为10-2ng,检测试剂保存12个月后,仍可扩增出目的条带;37份临床样品中,有6份样品的RT-PCR和HDA结果为阳性,但电镜观察仅有4份为阳性。结论建立了CSBV HDA检测方法,该方法具有较高的敏感性、特异性及稳定性,为检测其他蜂病毒及快速鉴定其他动物病毒提供了参考。     

静压轴承在M7130平面磨床上的应用

我院附属工厂有一台M7130平面磨床,年久失修,磨削质量明显下降。79年对这台磨床进行大修,同时,对磨头主轴轴承进行改装,采用小孔板式节流静压轴承. 磨床改装后,磨削质量大为提高。采用白刚玉80号粒度的砂轮,对淬火钢(HRC50～55)进行试磨,表面光洁度达▽10c。对450×250大平面进行试磨,经我院精密测量试验室鉴定,表面光洁度达到▽10b,整个平面光洁平整,并且无明显波纹,比原来机床磨削表面光洁度提高两级.改装后.经过三年多的生产使     

基于Black-Karasinski模型的我国债券市场利率期限结构研究

随着利率市场化的推进,与利率挂钩的金融资产的利率风险愈发凸显.为了控制利率风险,对利率衍生品的定价所依赖的利率期限结构的研究显得越来越重要.本文在使用多项式线条法得到即时利率期限结构的基础之上,利用三叉树模拟技术构建并校准了我国银行间债券市场Black-Karasinski利率模型,目前国内还没有利用此模型校准我国利率期限结构的研究.结果显示:利率的均值回复性好,但波动性较小,模型的动态性能较差,这可能与我国债券市场的利率结构受央行存贷款基准利率变化影响有关.     

关于化学化工文献检索课程教学的思考与探讨

文章分析了本科生化学化工文献检索课程教学的现状及存在的问题,在教学内容、教学方式、实践教学等方面阐述了本课程的特点和教学改进措施,提出了结合学生学科竞赛和毕业论文进行教学实践的环节,以探讨新形势下高等院校化学化工文献检索的教学改革。     

吸尘器外壳注射模设计

根据塑件结构特点和技术要求,设计了1副1模1腔三板注射模,使用点浇口进料,通过T形块、斜导柱+滑块、滑块内置斜推块等复合抽芯机构,解决了多个方向的倒扣脱模问题。经生产实践表明,模具结构设计合理、抽芯机构稳定、工作可靠、安装方便、占用空间少、模具零件易更换,生产的塑件成型质量好,取得了良好的经济效益。     

基于LMM的美式可赎回债券定价研究

由于美式利率衍生品对描述利率期限结构模型要求较高,因此LIBOR市场模型(LMM)等无套利模型便得到了交易员的青睐.本文介绍了远期利率模型LIBOR市场模型(LMM),并假定远期利率服从LIBOR市场模型,然后通过一个例子说明美式可赎回债券的定价过程.其做法是在LMM框架下设定模型中的参数值,将LMM离散化,利用蒙特卡洛模拟法模拟LIBOR路径,利用最小二乘法估计持有债券期权的价值,从而通过逐步模拟确定可赎回债券的价格.     

浅谈古滑坡的判别

通过分析古滑坡对公路工程的影响和危害性，说明对其进行正确判断和分析的重要性。同时在描述古滑坡的性质和形态的基础上，重点阐述如何利用遥感资料、地质调绘和地质勘探等手段对古滑坡进行判别，为实际工作提供科学依据。     

融合Focal Loss的网络威胁情报实体抽取

网络威胁情报（CTI）蕴含丰富的威胁行为知识,及时分析处理威胁情报能够促进网络攻防由被动防御向主动防御的转变。当前多数威胁情报以自然语言文本的形式存在,包含大量非结构化数据,需要利用实体抽取方法将其转换为结构化数据以便后续处理。然而,由于威胁情报中包含大量漏洞名称、恶意软件、APT组织等专业词汇,且实体分布极不平衡,导致通用领域的实体抽取方法应用于威胁情报时受到极大限制。为此,提出一种融合Focal Loss的实体抽取模型,通过引入平衡因子和调制系数改进交叉熵损失函数,平衡样本分布。此外,针对威胁情报结构复杂且来源广泛,包含大量专业词汇的问题,在模型中增加单词和字符特征,有效改善了威胁情报中的OOV问题。实验结果表明,相较于现有主流模型BiLSTM和BiLSTM-CRF,所提模型在F1分数上分别提高了7.07%和4.79%,验证了引入Focal Loss和字符特征的有效性。