随着气田开发越来越多，天然气井运行压力大、温度高、时间长的特点也越来越突出。若生产过程中出现气体泄露，易导致气井环空带压或泄露事故。若泄露气体中含硫化氢等有毒有害气体，将对人身及财产安全造成巨大危害。气密封检测技术可以及时对入井油套管丝扣密封性进行预报，避免因丝扣密封失效造成重大事故及巨大经济损失。因此，在油套管入井前进行丝扣的密封性检测已成为国内很多陆地油气田的强制要求。 针对传统气密封检测系统存在的检测时间长、操作步骤繁杂、占地空间大、控压精度低、气体消耗快等问题，我们提出了全新的“油套管螺纹连接气密封自动检测系统”。 本系统采用气体直接连续增压技术，检测中持续增压稳压，解决了间歇水力增压技术检测时间长的问题，每个丝扣约节省45秒检测时间，一千米管道可节省70分钟。采用自动控制系统控制检测步骤自动执行，解决了人工成本高、步骤多、重复性差的问题。新增气体回收系统，回收率达到75%，每检测1000米套管，节省30瓶气源约1.2万元气源费用。全新撬装设计，集成度高、占地面积小，一车全装下。并有专为海洋平台设计的紧凑型撬装，功能不减、体积减半，更多的气源，更快的换装。目前，本系统及配套工具已在江苏金坛储气库、辽宁盘锦等地应用30余口井，现场反馈良好。 本系统已申请20余项发明专利，并已形成完备的知识产权保护群。

本发明涉及重金属超积累植物东南景天种苗繁殖方法。该方法通过取重金属超积累植物东南景天的茎段、茎尖或叶片进行培养繁殖，不仅取材范围宽，而且培养繁殖中每个环节易于操作，并能够实施监控，移栽成活率高，繁殖方法快速，高效，为大面积地修复重金属污染土壤提供了条件。

本发明公开了一种用于水生花卉植物的干花制作方法，将鲜花处理后经过第一溶液浸泡2小时-2.5小时→第二溶液浸泡2小时-2.5小时→第三溶液浸泡2小时→第四溶液浸泡2小时→液体石蜡溶液浸泡2小时→取出干燥，制得干花。采用先进的液相替代法处理进行干燥，用不易挥发的有机溶剂替代了水分在花朵中的支撑作用，保证了花朵的形态，通过使用护色剂，保留了花朵的颜色，花形保持不变，花瓣质感强，形态优美，容易保存且保存时间长，克服了传统干燥技术干燥时间长、成本高、花形变化、质感不强等缺点，在既保留了睡莲花的自然优美姿态的前提下，又可实现了对睡莲花的长期保存。

本发明公开了一种褪黑素在降低植物体内镉积累中的应用。所述应用包括如下步骤：(1)将褪黑素与附加剂混合后制成水剂；(2)将所述水剂喷施于镉胁迫的植物叶面或投加于植物生长的营养液或土壤中。本发明褪黑素制剂可快速、高效的降低植物叶片中镉含量，改变镉离子在植物细胞中的分布，缓解镉对细胞的损害，而且制备工艺简单，使用方便，不会产生产品和环境污染，不易产生药害，具有广阔的应用前景。

近年随着测序技术的不断完善，生物领域积累了大量基因组、转录组、表观组学数据。怎样有效利用这些数据挖掘生物学新知识，是研究工作者在大数据时代面临的挑战。该研究以DNA甲基化测序数据入手，探索了大数据挖掘揭示生物学新知识的研究之路。翟继先课题组重新分析了公共数据库中来自不同实验室的约500余组Col-0型拟南芥DNA甲基化数据：通过比较单个突变体和多个野生型，鉴定了每个突变体中高置信度的DNA甲基化差异区域，进而分析了不同突变体间DNA甲基化差异区域的重合度，揭示控制DNA甲基化相关基因之间的联系。

随着社会发展人民生活水平不断提高，日常饮食结构也在不断变化。不合理的膳食结构所带来的负面影响是冠心病、高血压、动脉粥样硬化等心脑血管疾病的发病率不断提高。而血清中胆固醇的含量被认为是诱发心脑血管疾病的主要因素。 胆固醇是人体必不可少的营养成分。对人体而言，胆固醇可以合成多种激素；形成胆酸，促进脂肪的消化；构成细胞膜；并有助于血管壁的修复与保持完整功能。正常成年人血液中胆固醇含量在 2.82～5.95mmol/L。胆固醇是非水溶性物质，在血液中常结合低密度脂蛋白和高

在过去十多年中一直关注植物幼苗顶端弯钩的发育调控机制，多项重要研究成果表明，多种植物激素，如乙烯、生长素、赤霉素、茉莉酸等都参与到顶端弯钩的调控，也说明了顶端弯钩调控的重要性。

植物、中草药中的挥发性成分分为油溶性和水溶性两大类，俗称挥发油、精油，是天然香精的主要原料、也是中药的活性部位，在香精香料工业和中药领域中有广泛应用。实际应用时主要采用水蒸汽蒸馏工艺所得产品，但在该工艺下挥发油的提取率不高，尤其是水溶性较强的挥发性成分很难采用水蒸汽蒸馏工艺制备。 挥发性成分一般都含有一个或多个-OH等基团，易于与水形成最低共沸点的共沸物，本技术的原理是在传统水蒸汽蒸馏装置的提取罐与冷凝器之间增加一个精馏塔，随水蒸汽共沸蒸发的有机挥发物进入精馏塔，经过多级气液平衡后气相中有机物浓度大大提高，使得冷凝器中气相中有机挥发油的浓度高于其在水中的溶解度，从而易于冷凝分层。因此本提取-共沸精馏耦合工艺可显著提高挥发油的得率和浓度。 对柴胡、川芎、苍术、没药、玫瑰、茶叶、荷叶等药材、植物的提取结果表明，与水蒸汽蒸馏工艺相比，本技术可使挥发油的得率提高2~5倍，挥发油浓度提高2~3倍，十分适合于水溶性较强、含量较低（低于2%）的挥发油提取。本技术具有自主知识产权，已申请中国发明专利：挥发性成分提取装置及其提取方法，申请号：200810032234.9，公开号：CN101274148A

大数据应用的多样化 需要的计算模型、数据模型多样化； 目前每类模型需要单独的开源系统来支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。 多系统导致大数据分析平台非常复杂、效率低下。研究目标：研究和开发面向新型多计算模型融合架构的、高时效、可扩展的新 一代大数据分析支撑系统与工具平台FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。针对目前大数据分析平台复杂、效率低下的痛点，该系统具有三个 方面的优势：首先，这套系统采用融合架构，一方面实现关系、图、键 值、文档等多种数据模型的高效融合，另一方面实现批处理计算、流计 算的深度融合，并可以通过SQL扩展语言来进行多模型的统一查询，实现高效的跨模型查询。其次，对于复杂系统来说，时效性非常重要，这 套系统采用融合架构提高效率是实现高时效的基础，更重要的是，我们 对大数据分析从数据到用户进行了端到端的全栈时效优化。最后，对于 大数据应用来说，系统扩展性非常重要，本系统在资源层、存储层和计 算层进行了全面的扩展性优化。下面在融合架构、高时效和可扩展这三 个方面，分别详细介绍FAST系统的三个主要亮点。融合架构FAST系统的第一个亮点是融合架构，我们在技术方面的创新主要包 括多数据模型融合和多计算模型融合两方面。多数据模型融合：设计和研发了多模型数据管理与查询引擎，支持关系、图、键值、 文档等多种数据模型，实现了查询解析、查询优化、元数据管理、数据 分布等功能，将多种数据模型进行统一管理和深度融合。同时扩展了SQL语言，通过统一的查询接口支持对关系、键值、图、文档等数据进行独立访问或者跨模型查询。经过试验，多模型数据融合查询，比Spark 2.3.4的查询时间能平均减少70.7%。目前spark等现有系统还需要手工编程方式来实现跨模型查 询，所以FAST系统在易用性上也表现良好，降低使用门槛，提高开发效率。多计算模型融合：在计算层实现了最常见的批处理计算和流计算深度融合，批流融合的核心方法是在系统内部实现批和流的统一表达，批是对有限数据集 的运算，流是对无限数据流的计算，我们设计了UCollection结构对批和 流数据进行统一表达，通过识别的bounded标志，来确定是批、流、或批流融合。有了统一表达，可以开展一系列融合优化来提升系统性能。 并且对上通过Unified API统一用户的批、流接口，实现二者在编程范式上的统一表达。对于批流混合的计算，融合架构系统的查询延迟比Flink 1.4.2能减少57%，吞吐量平均可以提升到6.72倍。高时效FAST系统的第二个亮点是高时效，即缩短大数据分析的时间消耗， 提高效率。由于大数据分析平台是一个非常复杂的系统，为了做到高时效，系统不能存在性能短板，因此需要对大数据分析的整个过程进行端到端的全栈时效优化。如图中所示，自下而上，需要在多模态存储、批流融合、机器学习、人工操作各层都进行优化。对于多模态存储，面向应用负载和异构硬件特征进行自适应优化；对于批流融合计算，在统一表达基础上，进行系列融合优化技术， 包括DAG优化、迭代优化、部署优化、操作符优化等；在机器学习层面，进行模型优化、消息优化、梯度优化、概率优化 等来提高时效；而且我们也考虑到大数据分析过程中用户人工操作的时效性问题， 通过智能地进行大数据分析方法和模型的推荐，来缩减人工操作的 时间。可扩展FAST系统的第三个亮点是可扩展，由于大数据应用规模很大，数据增速快，对系统可扩展性的要求非常高，为此我们在系统的资源层、 存储层和计算层进行了全面的扩展性优化。在资源层，系统都部署在云计算的虚拟化资源之上，利用了云计算资源的弹性机制进行系统扩展。并在系统中实现了可伸缩调整模块， 能实时监控软硬件系统的状态，按照应用需求来自适应地进行弹性伸缩。在存储层，分布式存储系统扩展性的关键在于分布式共识和一致性 协议（Raft），因此提出了KV-Raft、vRaft等进行Raft的扩展优化。在计算层，我们扩展了机器学习模型的参数规模，使系统可以支持 到百亿级别的超大规模机器学习模型训练，并且性能方面有明显提 升。亮点成果：融合架构大数据分析平台目前已经在阿里巴巴双十一进行示范应用。 从2020年11月10日至11月16日一周的时间，在阿里的生产环境中，研发 的系统一直连续稳定运行，基于淘宝和天猫的实际用户信息进行大数据 分析，综合运用了本系统的存储、计算、机器学习等多个模块的能力， 累计进行了184亿件商品推荐。同时在双十一期间，基于智能交互向导技术，也面向电子商务应用 的卖家提供了“生意参谋”应用，基于大数据分析，帮助卖家分析产品 销量变化的原因，以及促销的有效手段等。

研究背景：  大数据应用的多样化  需要的计算模型、数据模型多样化；  目前每类模型需要单独的开源系统来支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。  多系统导致大数据分析平台非常复杂、效率低下。 研究目标： 研究和开发面向新型多计算模型融合架构的、高时效、可扩展的新 一代大数据分析支撑系统与工具平台FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。 针对目前大数据分析平台复杂、效率低下的痛点，该系统具有三个  方面的优势：首先，这套系统采用融合架构，一方面实现关系、图、键  值、文档等多种数据模型的高效融合，另一方面实现批处理计算、流计  算的深度融合，并可以通过SQL扩展语言来进行多模型的统一查询，实现高效的跨模型查询。其次，对于复杂系统来说，时效性非常重要，这  套系统采用融合架构提高效率是实现高时效的基础，更重要的是，我们  对大数据分析从数据到用户进行了端到端的全栈时效优化。最后，对于  大数据应用来说，系统扩展性非常重要，本系统在资源层、存储层和计  算层进行了全面的扩展性优化。下面在融合架构、高时效和可扩展这三  个方面，分别详细介绍FAST系统的三个主要亮点。 融合架构 FAST系统的第一个亮点是融合架构，我们在技术方面的创新主要包  括多数据模型融合和多计算模型融合两方面。 多数据模型融合： 设计和研发了多模型数据管理与查询引擎，支持关系、图、键值、  文档等多种数据模型，实现了查询解析、查询优化、元数据管理、数据  分布等功能，将多种数据模型进行统一管理和深度融合。同时扩展了SQL语言，通过统一的查询接口支持对关系、键值、图、文档等数据进行独立访问或者跨模型查询。 经过试验，多模型数据融合查询，比Spark 2.3.4的查询时间能平均减少70.7%。目前spark等现有系统还需要手工编程方式来实现跨模型查 询，所以FAST系统在易用性上也表现良好，降低使用门槛，提高开发效率。 多计算模型融合： 在计算层实现了最常见的批处理计算和流计算深度融合，批流融合的核心方法是在系统内部实现批和流的统一表达，批是对有限数据集  的运算，流是对无限数据流的计算，我们设计了UCollection结构对批和  流数据进行统一表达，通过识别的bounded标志，来确定是批、流、或批流融合。有了统一表达，可以开展一系列融合优化来提升系统性能。 并且对上通过Unified API统一用户的批、流接口，实现二者在编程范式上的统一表达。对于批流混合的计算，融合架构系统的查询延迟比Flink 1.4.2能减少57%，吞吐量平均可以提升到6.72倍。 高时效 FAST系统的第二个亮点是高时效，即缩短大数据分析的时间消耗，  提高效率。由于大数据分析平台是一个非常复杂的系统，为了做到高时效，系统不能存在性能短板，因此需要对大数据分析的整个过程进行端到端的全栈时效优化。如图中所示，自下而上，需要在多模态存储、批流融合、机器学习、人工操作各层都进行优化。 对于多模态存储，面向应用负载和异构硬件特征进行自适应优化； 对于批流融合计算，在统一表达基础上，进行系列融合优化技术， 包括DAG优化、迭代优化、部署优化、操作符优化等； 在机器学习层面，进行模型优化、消息优化、梯度优化、概率优化 等来提高时效； 而且我们也考虑到大数据分析过程中用户人工操作的时效性问题，  通过智能地进行大数据分析方法和模型的推荐，来缩减人工操作的  时间。 可扩展 FAST系统的第三个亮点是可扩展，由于大数据应用规模很大，数据增速快，对系统可扩展性的要求非常高，为此我们在系统的资源层、  存储层和计算层进行了全面的扩展性优化。 在资源层，系统都部署在云计算的虚拟化资源之上，利用了云计算资源的弹性机制进行系统扩展。并在系统中实现了可伸缩调整模块，  能实时监控软硬件系统的状态，按照应用需求来自适应地进行弹性伸缩。 在存储层，分布式存储系统扩展性的关键在于分布式共识和一致性 协议（Raft），因此提出了KV-Raft、vRaft等进行Raft的扩展优化。 在计算层，我们扩展了机器学习模型的参数规模，使系统可以支持  到百亿级别的超大规模机器学习模型训练，并且性能方面有明显提  升。 亮点成果： 融合架构大数据分析平台目前已经在阿里巴巴双十一进行示范应用。  从2020年11月10日至11月16日一周的时间，在阿里的生产环境中，研发 的系统一直连续稳定运行，基于淘宝和天猫的实际用户信息进行大数据 分析，综合运用了本系统的存储、计算、机器学习等多个模块的能力， 累计进行了184亿件商品推荐。 同时在双十一期间，基于智能交互向导技术，也面向电子商务应用  的卖家提供了“生意参谋”应用，基于大数据分析，帮助卖家分析产品  销量变化的原因，以及促销的有效手段等。