小流域面源污染风险评估研究——基于多分类有序离散选择模型

在目前流域环境污染监测体系基础上,筛选并建立小流域面源污染风险评估指标体系,通过因子分析法提取小流域面源污染风险评估等级的潜在变量,建立基于有序多分类离散选择模型的小流域面源污染风险评估模型,提供具体的风险等级评判计算方法,并利用15个流域的面源污染监测数据对模型进行了实例分析。结果表明,该风险评估模型能够较好地挖掘污染风险等级与影响因子之间的关系,并能够计算评估流域面源污染不同风险程度的概率,同时可利用观测的指标变量表示潜在的指标变量,满足小流域监测资料缺乏的实际情况。相比于其他预测模型,该模型能更好地为小流域面源污染治理提供参考。     

散布图在卷烟质量分析中的应用

统计技术为质量管理提供了许多分析工具,合理的利用这些质量分析工具,对检测的质量数据进行有效分析评价,以指导生产中的过程控制,是目前烟草企业改进质量管理的有效手段。本文通过运用散布图对卷烟生产中质量指标、吸阻超标的问题进行理论分析、实践验证,提高了卷烟吸阻指标的符标率。     

卷包车间环境相对湿度控制评价分析

在卷烟加工企业中,生产车间环境温、湿度对烟支各项物理指标有着重要影响。统计技术提供了大量分析工具,使生产环境的控制及评价更具科学性、可靠性。通过对不同环境湿度下烟支吸阻、端部落丝量指标进行假设检验,可以有效地判断相应环境湿度下质量控制情况,并进行修正,以达到稳定卷烟质量的目的。     

使用QTM综合测试台检测卷烟吸阻分布的方法研究

传统的卷烟吸阻分析仅对整支烟的吸阻进行检测,不能全面反映吸阻如何影响卷烟的品质.使用QTM综合测试台,可简便、快捷、准确的检测卷烟烟支和烟丝段的吸阻,分析卷烟吸阻分布的情况,更好地为降焦减害、产品开发、工艺改进等研究工作提供数据支持.在QTM综合测试台检测卷烟吸阻过程中,我们摸索出一套通过抽出烟支滤嘴芯,检测卷烟烟丝段吸阻用以分析卷烟吸阻分布的方法.     

卷烟吸阻的影响因素研究进展

该文介绍了影响卷烟吸阻的各种因素,并从卷烟吸阻构成部分入手逐一总结了前人的研究成果,分析得出了不同影响因素与卷烟吸阻的相关性和影响卷烟吸阻的主要因素,并提出了如何在实际控制环节中提高卷烟吸阻稳定性的一些见解。     

卷烟感官质量与烟气成分、烟支物理指标、化学成分间的相关性

【目的】探究卷烟感官质量与烟气成分、烟支物理质量、化学成分间的相关性,为卷烟的质量控制提供理论依据。【方法】利用某烟草集团4个品牌卷烟的质量常规监督检测数据,以卷烟烟气成分、烟支物理指标和化学成分为考察对象,对3类指标集与感官指标进行简单相关分析和典型相关分析。【结果】烟气指标、卷烟物理指标及化学指标对感官指标均有影响,且存在典型相关关系,综合简单相关分析与典型相关分析结果,发现对卷烟感官指标（香气、杂气、刺激性、余味）影响较大的指标为：烟气焦油量、烟气烟碱量、一氧化碳量、烟气水分、压降、吸阻、质量、硬度、端部落丝量、还原糖、钾含量、氯含量、糖碱比。【结论】生产上要控制卷烟质量,就应重点分析香气、杂气、刺激性、余味与烟气焦油量、烟气烟碱量、一氧化碳量、烟气水分、压降、吸阻、质量、硬度、端部落丝量、还原糖、钾含量、氯含量、糖碱比的相关性。     

卷烟感官质量与烟气成分、烟支物理指标、

【目的】探究卷烟感官质量与烟气成分、烟支物理质量、化学成分间的相关性,为卷烟的质量控制提供理论依据。【方法】利用某烟草集团4个品牌卷烟的质量常规监督检测数据,以卷烟烟气成分、烟支物理指标和化学成分为考察对象,对3类指标集与感官指标进行简单相关分析和典型相关分析。【结果】烟气指标、卷烟物理指标及化学指标对感官指标均有影响,且存在典型相关关系,综合简单相关分析与典型相关分析结果,发现对卷烟感官指标（香气、杂气、刺激性、余味）影响较大的指标为：烟气焦油量、烟气烟碱量、一氧化碳量、烟气水分、压降、吸阻、质量、硬度、端部落丝量、还原糖、钾含量、氯含量、糖碱比。【结论】生产上要控制卷烟质量,就应重点分析香气、杂气、刺激性、余味与烟气焦油量、烟气烟碱量、一氧化碳量、烟气水分、压降、吸阻、质量、硬度、端部落丝量、还原糖、钾含量、氯含量、糖碱比的相关性。     

陈化条件对卷烟物理指标和有害成分的影响

对河南烟区的烤烟进行陈化处理,并对陈化过程中不同陈化条件下卷烟的物理指标与有害成分进行检测分析,然后分析陈化过程中卷烟物理指标与主流烟气中有害成分含量的关系,以期对降焦减害的进一步实现提供理论依据。结果表明,总体上,陈化过程中卷烟的烟丝质量呈波浪形变化,燃烧温度先增加后降低,静燃速率增加,吸阻逐渐降低,且套袋处理能够增加卷烟的吸阻,降低燃烧温度,但对静燃速率影响不大;陈化过程中卷烟主流烟气中焦油和HCN(氢氰酸)含量先减少后增加,苯酚、NH3(氨)以及B[a]P(苯并芘)含量先增加后降低,CO(一氧化碳)、烟碱与NNK(降烟碱)含量逐渐降低,巴豆醛含量逐渐增加,且套袋处理能降低焦油、HCN、B[a]P、CO以及烟碱含量;卷烟的烟丝质量与焦油、HCN、CO以及烟碱的含量有较高关联度,关联系数均达到0.43以上,卷烟燃烧温度与主流烟气中B[a]P、巴豆醛含量有较高关联度,关联系数分别达到0.408 6和0.479 2;静燃速率与NNK含量的关联度最大,关联系数达到0.741 7;卷烟吸阻与主流烟气中除B[a]P、烟碱和NNK之外的其他有害成分含量均有较高的相关性。综上,在卷烟的生产过程中陈化能够改善卷烟的物理指标,并降低主流烟气中的有害成分含量,且套袋处理对一些有害成分指标的降解效果较好。     

生鲜产品的多变量SVR需求预测——基于在线评论的顾客感知因素提取

为探索在线评论数据中蕴含的顾客感知产品信息对生鲜产品需求量预测准确度的影响，针对生鲜产品电商平台中大量评论数据，利用网络爬虫技术和Word2vec模型建立产品特征词库，提取主要需求预测影响因素，并基于产品特征词库对评论文本分类将影响因素量化，构建多变量SVR需求预测模型，同时运用粒子群算法对SVR模型中的主要参数进行优化，在此基础上进行实证分析。结果表明:1)Word2vec模型能挖掘在线评论数据中顾客关注的产品特征，有效提取顾客感知的需求预测影响因素；2)与单变量SVR模型相比，加入评论中顾客感知因素的多变量SVR在预测产品需求量时误差更小。利用在线评论中顾客感知因素建立多变量SVR需求预测模型能有效提高生鲜产品需求量预测准确度。     

基于CFO器件的卷烟吸阻检测装置设计

针对卷烟吸阻测量过程中临界流量孔件(CFO器件)生成的高速微小气体流量产生的压差受到环境温湿度影响,难以准确测量的问题,设计了由进样模块、标准包覆模块、电路系统、气路系统等组成的卷烟吸阻检测装置,用于精密检测CFO器件生成的高速微小气体流量产生的压差。根据卷烟吸阻测量标准的流量要求(17.5±0.3)mL/s,采用CFO器件产生标准微小气体流量17.5 mL/s作用于烟蒂端。基于STM32的核心控制板,采用压差传感器对测量管路压降精密检测,使用温度传感器和湿度传感器对环境温湿度进行实时监测。通过标准棒修正由差压传感器本身带来的误差以及试验环境中温湿度波动带来的误差。结果表明,卷烟吸阻检测装置实现了测量过程中管路压降的精密测量和温湿度影响的修正,测量精度达5 Pa,比现有测量标准要求提高了1倍。     

基于LSTM-Kalman模型的蛋鸡产蛋率预测方法

产蛋率是评价蛋鸡产蛋性能的重要指标之一,因其具有时序性和非线性等特点,且其影响变量众多、存在复杂的耦合关系,难以实现精准预测。由于传统神经网络预测过程的非记忆性难以处理时序性问题,该文章提出蛋鸡产蛋率的LSTM-Kalman预测方法,使用主成分分析提取影响蛋鸡产蛋率的关键变量,通过LSTM神经网络预测蛋鸡产蛋率,采用Kalman滤波对LSTM预测的结果进行动态调整,作为最终预测结果。数据分析结果表明:LSTM-Kalman模型预测产蛋率的平均绝对误差、均方误差和皮尔逊相关系数分别为0.312 8、0.435 3和0.975 2,明显优于传统的BP神经网络、极限学习机等预测方法;通过2栋鸡舍生产数据的交叉测试验证,模型的预测准确率达到97.14%和98.71%,表明模型具有较强的泛化能力,能够满足蛋鸡产蛋率预测的实际需要,可以为蛋鸡养殖环境数据的精准调控提供参考。     

热压混合材料板力学特性PSO-SVR模型预测

精确、快速预测热压过程混合材料板力学特性,可降低生产成本,提高资源利用率。文章以热压过程为研究对象,提出基于粒子群算法(Particle Swarm Optimization,PSO)优化支持向量机回归(Support Vector Regression,SVR)模型。通过正交试验设计,结合混合材料板性能测试数据,以热压压力、热压温度、含水率、热压时间为自变量,预测混合材料板静曲强度、弹性模量、内结合强度。对比分析PSO-SVR与SVR预测结果,结果表明,PSO-SVR预测模型可明确热压参数与混合材料板力学特性间非线性关系,根据自变量预测混合材料板力学特性。与SVR相比,PSO-SVR算法模型具有鲁棒性强、精确度高、泛化能力强等优点。研究结果可为混合材料板力学特性预测及热压控制参数选择提供参考。     

压缩机实际能头特性的深度学习网络预测方法

压缩机运行特性与原厂测试特性存在差异,为了指导压缩机的安全稳定运行,结合压缩机特性计算方法与部分实际特性,建立了基于深度学习网络的压缩机实际能头特性预测模型。将大量不同工况下的压缩机实际能头数据作为深度学习网络的训练样本,在训练完成后利用未训练样本对模型精度进行了检验,得到最大相对误差为2.60%、最小相对误差为0.32%、平均相对误差为0.78%。由深度学习网络所绘制的能头曲线与实际的能头曲线有着良好的一致性。深度学习网络模型改进了传统神经网络的缺陷,具有良好的预测精度与泛化计算能力,为压缩机性能的评估与预测提供了新方法。     

基于RBFNN混合粒子群算法的电力负荷短期预测

根据电力系统负荷预测的不同目的,提出一种基于RBFNN混合粒子群优化算法(HPSO)预报电力系统短期负荷,即首先采用改进的粒子群优化算法(MPSO)全局优化网络模型参数然后在MPSO全局搜索模型参数基础上利用梯度下降法局部优化网络模型参数,建立电力系统短期负荷的时序人工神经网络模型。仿真结果表明,该方法与传统的预测方法相比,减少了训练时间,提高了精度和适应性。     

天然气管道线路截断阀误关断判断算法

为减少天然气长输管道线路截断阀误关断次数,提高阀室泄漏检测系统的可靠性,基于大量阀室误关断事件的原因分析,结合气体流体力学理论,运用SPS仿真软件建立了长输天然气管道泄漏仿真模型。探究了天然气长输管道泄漏过程中泄漏位置、管道运行压力等条件对压力下降过程的影响规律,并在此基础上计算在特定管道出现泄漏时可能发生的最快压力下降过程数据。据此,设计了一种天然气管道线路截断阀误关断判断算法,并编写了管道泄漏线路截断阀关断的控制程序。仿真数据及试验结果表明,该方法可根据压力变化特征实现误关断信号与真实泄漏信号的判断,降低系统误关断率。     

基于GM(1,1)模型的四川粮食产量预测研究

中国人口众多,粮食安全关系到国计民生,加强粮食产量预测有利于确保粮食安全。根据2001—2015 年四川粮食产量的历史数据,运用灰色系统理论,建立基于弱化缓冲算子的GM(1,1)预测模型,通过残差、级比偏差、关联度、后验差检测、模拟数据检查对模型的合理性和精度进行误差检验,并应用模型预测未来3 年的粮食产量。研究结果表明,灰色系统理论GM(1,1)适用于粮食产量预测且具有较高的精度。预测了2016、2017、2018 年的粮食产量同比增长分别为-2.11%、-0.39%和1.21%,由此得出未来粮食产量将在波动中增长。     

基于BP神经网络的柑橘农药残留预测

基于BP神经网络算法，采用主成分分析法得到农药相对分子质量、气温、降水量、pH、CEC、有机质、施药浓度、采收间隔期是影响农药残留量的主要因素，并将其作为输入变量，初步构建柑橘农药残留预测模型。结果表明：经160组样本数据模型训练和测试，预测相对误差为0.92%~18.93%，平均为7.42%，绝对误差为0.001~0.153 mg/kg；BP神经网络预测模型的决定系数为0.962 05。可见，面对复杂的自然环境及柑橘种质性状，基于BP神经网络的柑橘农药残留预测系统对柑橘上多种农药的残留显示出较高的预测精度，说明将机器学习算法用于柑橘的农药残留检测是可行的。     

基于自适应模糊神经网络的鱼类投喂预测方法研究

在集约化水产养殖中,鱼类的投喂水平直接关系到养殖效率和生产成本。针对当前水产养殖中存在的投喂量不合理、饲料浪费严重的问题,以实现投喂量的精准预测为目的,提出了一种基于自适应模糊神经网络的鱼类投喂量预测方法。该方法以罗非鱼为研究对象,选择水温和鱼的平均体重2个因素作为输入变量,利用混合学习方法,通过训练和学习获得最优模糊规则库,基于自适应神经网络模糊推理系统（adaptive network fuzzy inference system,ANFIS）建立投喂量预测模型,取得了较好的预测效果。基于ANFIS的投喂量预测模型的均方根误差、平均绝对误差和平均绝对百分比误差分别为1.18、0.74和0003 1,均远远小于原始模糊推理投喂量预测模型的指标值,其网络预测能力优于原始模糊推理预测模型。因此,该模型不仅可以在无监督条件下对鱼进行科学投喂,节省人力成本,而且能为合理的投喂提供技术支撑和理论支持。     

油水两相分层流动的压降研究

提出了一个考虑相界面相互作用的油水两相分层流动的压降模型，分析了游离水层高度和压降的变化规律，并用白油/水两相流的实验数据作了验证，其模型和测量的总误差均小于15%。     

基于电子鼻多传感器融合的茶叶存储时间识别

借助电子鼻检测存储60、120、180、240、300、360 d的黄山毛峰茶香气信息,根据电子鼻各传感器响应曲线变化特点,选取出1组能够表征不同香气信息的基本特征变量,分别采用主成分回归(PCR)、偏最小二乘回归(PLS)和BP神经网络(BPNN)方法,建立茶叶存储时间的预测模型。测试样本集对3种预测模型的检验结果表明:PCR、PLS、BPNN模型的预测标准误差分别为10.05、6.04、3.21d;最大预测相对误差分别为11.03%、7.02%、5.89%;平均预测相对误差分别为6.73%、4.74%、3.62%;预测值与实际值之间的决定系数R2分别为0.862、0.896、0.987。3种模型都能较好地对茶叶存储时间进行预测,相比较而言,BPNN模型性能最优,PLS模型性能优于PCR模型。