排序方式: 共有10条查询结果,搜索用时 46 毫秒
1
1.
冷却猪肉中假单胞菌生长预测模型的建立与验证 总被引:4,自引:0,他引:4
以从腐败猪肉中分离得到的假单胞菌P1,P2,P3,P4,P5,P6的混合培养物为受试菌液,应用Origin7.5软件拟合假单胞菌0-10℃下的生长情况。经比较发现,修正的Gompertz模型对假单胞菌生长曲线的拟合效果优于线性模型,R2均在0.96以上。应用平方根模型和Arrhenius模型对由修正的Gompertz模型得出的最大比生长速率进行拟合,所得Arrhenius模型的R2为0.9716,拟合效果优于平方根模型(R2为0.9326)。结果表明,所建二级模型,能真实快速有效地预测0-10℃冷藏条件下假单胞菌的生长。 相似文献
2.
应用4种聚集度指标以及Taylor的幂法则与Iwao的m* - m直线回归方程测定和分析了大豆蚜(Aphis glycines Matsmurain)在鲜食大豆田间的空间分布型及其内在结构,并利用Blackith种群聚集均数(λ)分析了其聚集原因.结果表明,大豆蚜在鲜食大豆田间呈聚集分布,并具有密度依赖性,其聚集分布的原因是由自身的聚集行为与环境因子综合影响所致.在此基础上,提出了最适理论抽样数模型[N =t2/D2(25.129/m 1.0601)]与最佳序贯抽样模型[T0(n)=27.99n±76.7631平方根n]. 相似文献
3.
方氏云(鱼尉)的排空率研究 总被引:1,自引:0,他引:1
在实验室内约 15℃水温下 ,投喂以细长脚 (Themisto gracilip es)为主要成分的天然饵料 ,对成体方氏云 (Enedrias fangi)进行了排空率研究。对 3种排空模型拟合效果的分析显示 ,平方根模型最符合方氏云的排空。在不摄食阶段 ,全消化道内含物的量 (CDW)随时间 (TIME)的变化可以下式描述 :CDW0 .5=3.890 - 0 .175· TIME(R2 =0 .939,p<0 .0 0 0 1)。方氏云的排空率为 0 .175g/10 0 g wet· h。 相似文献
4.
对于农药田间药效试验数据处理几个问题的浅见 总被引:9,自引:0,他引:9
指出农药田间药效试验调查整理所得数据多为百分数性质,这类数据在进行方差统计分析时应将其转换成平方根的反正弦角度值;空白对照区数据应参与统计分析;通常用来计算杀菌剂防治效果的3个公式,其中1个可否使用值得商榷。 相似文献
5.
6.
7.
在模是大合数的情况下,求二次剩余平方根是一个困难问题.目前已知的求二次剩余平方根的算法有两种,本文对Cocks和曹珍富的算法进行分析比较,结果表明由Cocks提出的算法效率更高,这对今后求二次剩余平方根时进行算法选择提供了帮助. 相似文献
8.
冷鲜五花肉中假单胞菌预测模型的建立与验证 总被引:2,自引:1,他引:1
为了建立冷鲜五花肉中假单胞菌的生长预测模型,采用选择性培养基CFC琼脂对假单胞菌进行平板计数.利用Gompertz模型拟合0、5、10、15、20℃下冷鲜五花肉中假单胞菌的生长曲线,得到假单胞菌生长预测一级模型;生长预测二级模型以平方根模型、Arrhenius模型拟合一级模型中所得动力学参数.结果表明:一级模型中回归系数R2>0.99,准确因子(Af)、偏差因子(Bf)都接近1.0,延滞期(LPD)1.6996~0.1212,最大比生长速率(U)0.5782~3.3751.二级模型中平方根模型对延滞期和最大比生长速率回归系数R2为0.9825和0.934均略高于Arrhenius模型.可用平方根预测0~20℃范围内假单胞菌的变化情况,为冷鲜五花肉中腐败微生物的预测研究提供基础. 相似文献
9.
为解决移动机器人在同时定位和建图(Simultaneous localization and mapping,SLAM)技术中普遍存在状态精度不高、稳定性差、计算复杂等问题,提出一种基于迭代平方根中心差分卡尔曼滤波(Iterated square root central difference Kalman filter,ISRCDKF)的SLAM自主定位算法,以满足SLAM过程中的实时性、准确性等要求。该算法使用中心差分变换处理SLAM的非线性问题,避免了泰勒公式展开中雅可比矩阵复杂运算;同时在滤波更新过程中,通过直接传递协方差矩阵的平方根因子减少算法的复杂度;在迭代观测更新过程中,使用列文伯格-马夸尔特(Levenberg-Marquardt,L-M)优化方法引入调节参数,实时修正协方差矩阵,达到提高算法精度、增强稳定性的目的。仿真结果表明,在相同的数据模型和噪声环境下,本文提出的ISRCDKF-SLAM算法与基于扩展卡尔曼滤波(Extended Kalman filter,EKF)的SLAM算法、无迹卡尔曼滤波(Unscented Kalman filter,UKF)的SLAM算法和容积卡尔曼滤波(Cubature Kalman filter,CKF)的SLAM算法相比,均方根误差分别降低了47.3%、32.7%和25.0%;与相同计算复杂度的UKF-SLAM算法和CKF-SLAM算法相比,新算法的运行时间分别减少了15.1%和10.8%。将新算法嵌入到移动机器人平台进行现场实验验证,进一步证明了该算法的实用性和有效性。 相似文献
10.
1