实验一 显微镜的构造和使用 实验二 细菌的简单染色和革兰氏染色 实验三 霉菌的制片与观察 实验四 放线菌和酵母菌形态观察 实验五 微生物的显微直接计数法 实验六 微生物细胞大小测定 实验七 培养基的制备 实验八 微生物的分离、纯化和接种 实验九 细菌的培养特性观察及显微镜检查 实验十 稀释平板测数法 实验十一 物理因素对微生物的影响 实验十二 药敏试验 实验十三 细菌的生化试验 实验十四 酸乳的制作 实验十五 水中细菌总数和大肠菌群的检测 实验十六 病毒的鸡胚培养 实验十七 病毒的血凝试验

为了更加快捷、高效地判定边坡稳定与否，基于机器学习，融合主成分分析法（PCA）、参数调整、影响因素权重分析等，建立了一种边坡安全稳定性评价体系。研究发现，运用PCA可以在保留80%数据原信息的前提下将输入变量维度从六维降至三维，但此时模型效果有所下降；随机森林及梯度提升(XGBoost) 两种学习算法均可搭建有效的边坡安全稳定性评估模型，通过对其预测效果的对比分析，确定XGBoost为最佳评价模型。与此同时，采取卡方检验、F检验以及互信息法3种相关性检验手段，并通过计算评价因子的重要程度且加以可视化展示，明确了容重、坡高、内摩擦角以及内聚力4个内在因素的重要性，最终将评估结果与实际结合提出了边坡安全防护措施