微波膨化技术在食品中的应用研究

膨化技术作为一种新型食品生产技术,正逐步在食品工业中得到广泛的应用。微波膨化是利用微波的加热特性,使物料产生蒸气压梯度,当物料压力大于它所承受能力时瞬间出现膨化现象。由于微波的低温高效作用,使食品能较好地保留其营养成分,保持食品原有的色、香、味,保证食品的品质。介绍了微波技术的机理及应用,着重讨论了微波膨化技术的作用机理、特点及在食品中的应用,详细论述了影响淀粉微波膨化效果的主要因素。     

海产品微波杀菌装置关键参数设计

海产品微波杀菌是一项新技术。针对试验目标,分析密闭加压水浴微波杀菌试验装置特点,提出微波波导正交布置设计方案,估算物料样品温度场分布,设计计算微波角锥喇叭天线,分析电场分布及微波在谐振腔中的能量传播、物料吸收功率,估算得到达到工艺要求的微波功率及其相关设计参数。研究结果可用于指导试验装置的研制。     

脱水芹菜叶加工工艺研究

以芹菜叶为原料,采用热烫护色及微波干燥工艺,分析了不同护色剂、物料厚度及微波加热时间对脱水芹菜叶品质的影响。结果表明,芹菜叶在1.0%食盐、0.80%CaCl2,10 mg/kg硫酸铜时热烫1 min护色效果最佳,物料厚度为0.5 cm下微波干燥15 min,脱水芹菜叶品质最佳。     

微波加热技术在冷库融霜中的应用

基于微波的加热特点及能量分析,简述了微波加热的技术特性,探讨了微波加热技术应用于冷库融霜的可行性。介绍了微波加热技术辅助热氨融霜的设计方案,并指出今后微波融霜系统的研究方向。     

玉米 大米 小米混合粉挤压膨化工艺参数的优化

以玉米、大米、小米混合粉为原料,研究加工温度、物料含水量、螺杆转速对营养谷物膨化食品品质指标(径向膨化度,糊化度)的影响,在此基础上设计正交实验,确定出最佳工艺参数为:3个加热区温度分别为55℃,125℃,150℃,物料含水量为14%,螺杆转速为130r/min。     

小麦粉微波杀菌技术优化

以小麦粉为原料,研究了微波功率、微波杀菌时间、物料量对其杀菌效果和感官品质的影响。结果表明,功率越高、时间越长,小麦粉的杀菌效果越显著。经正交试验后发现,当微波功率490 W,杀菌时间60 s,物料用量9 g时,小麦粉的杀菌效果和感官品质最好。与传统加热技术相比,微波杀菌处理过的小麦粉灭菌更彻底、效率更高,感官品质更好。     

鲜枣片组合干燥技术研究

分别采用真空微波干燥、变温压差干燥和二者组合方式对鲜枣片进行干燥处理。研究不同功率、不同真空度下真空微波干燥的特性,确定鲜枣片真空微波干燥的适宜干燥参数为:功率4 kW,真空度0.05 MPa。研究不同温度、不同真空度和不同物料含水量下变温压差干燥的特性,确定鲜枣片变温压差干燥的适宜参数为:温度60℃,真空度0.05 MPa,含水量16%。以产品色泽、复水比、收缩比、硬度、脆度等品质特性为评价指标,比较真空微波干燥、变温压差干燥和组合干燥3种干燥方式对鲜枣片品质的影响,结果表明组合干燥相比单一干燥可明显提高枣片品质。     

基于纹理特征和神经网络的图像识别

图像特征是用来区分图像内部最基本属性或特征的,它包括了几何特征、形状特征、颜色特征、纹理特征等,在这些特征中纹理特征理解过于复杂,至今尚未有一个大家都认同的定义,从而也就使得纹理分析变得很困难。该文主要研究图像的分类识别,采用基于灰度共生矩阵的纹理特征的提取。以8位灰度图为研究对象,依次对图像进行4个方向(0°、45°、90°、135°)的扫描,并分别建立灰度共生矩阵,从而提取纹理特征参数,然后建立BP神经网络模型,用提取的纹理特征值,来训练BP神经网络模型,使网络模型能够识别图像的内容。此文提出了用纹理特征训练神经网络的方法来识别图像,研究结果表明,纹理是图像分析中一个非常重要的特征,所提取的图像特征是描述图像相当有效的参数。     

温度对草莓加工过程中VC含量的影响

采用蒸汽、微波加热的方法,研究不同热处理对草莓VC含量的影响,以确定草莓热烫处理方式与工艺参数.结果表明,微波加热时间控制在80 s以内,草莓还原型VC保存率在90%以上,明显高于蒸汽处理,可达到较好的软化效果,同时还具有加热均匀、升温迅速的特点.     

微波技术在农产品加工中的应用

１．微波加热原理微波是指波长在１mm～１０００mm之间的电磁波。许多具有极性分子的材料处于交变电磁场中时，材料中原有处于杂乱状态的极性分子会随外电场的方向做定向排列。由于外电场是一种电场方向随时间变化的交变电磁场，故极性分子也随之以极快的速度改变方向，产生高速摆振，结果造成分子间的碰撞与摩擦，而产生热能，温度上升。这就是微波加热的基本原理。２．微波加热的特点（１）加热均匀快速由于微波有穿透性，可以穿透材料的内部，穿透深度随频率而变，一般从几厘米到几十厘米，这与材料本身的性质也有关。微波加热物体是内外…     

Nonlinear Forecast System for River Water Pollution Based on GIS

Based on the analysis of the water pollution spatial distribution characters of Yangtze River in Chongqing,a new method based on the integration of BP neural network and genetic arithmetic(GA) is proposed.For some shortcomings existed in the standard BP neural network,this method has ultimately overcome these shortcomings by combining the GA with BP artificial neural network through altering stimulating function,adding momentum factor to power value for BP algorithm and introducing genetic arithmetic to searching for the knots of the hidden layer,momentum factor and learning level.Using this method can easily overcome the difficulty of measuring the water prediction model's parameters.GIS is used as a tool for data management and spatial analysis,and the prediction result of the model for the water pollution spatial distribution characters of Yangtze River in Chongqing is visualized and explored with the precision of more than 78%.     

基于数值预报产品的地表温度预报方法研究

为了开展地表温度预报业务,提高逐日地表温度预报准确率,利用2007—2012年的ECMWF和T213数值预报产品资料及抚顺市的逐日地表温度资料,采用逐步回归分析方法和BP神经网络模型分别构建抚顺市地表温度预报模型,并对模型的精度进行检验。结果表明,地表温度与ECMWF的高度场、海平面气压场、温度场和T213的散度场、高度场、海平面气压场、地面气压场、海平面K指数、水汽通量、相对湿度、温度场、地面气温和场涡度场均呈显著相关。对预报模型进行精度检验显示,地表平均温度和地表最低温度的预报效果较好,≤3℃预报准确率均达到79%以上。2种模型对比显示,BP神经网络预报模型总体上优于逐步回归预报模型;逐步回归预报模型较BP神经网络预报模型稳定。     

A new integrating forecast and its application in short-term climate prediction〖JP〗

The existing problems of the traditional weight integrating forecast methods and the application in climate prediction are analyzed. A new method based on data mining is presented, which uses BP artificial neural network to build the integrating forecast classifier to integrate the forecast results of sub-methods. According to the features of different forecast objects, this method can change weight dynamically, which overcomes the shortage of the traditional weight integrating forecasts that cannot change weight after been decided and overcomes the shortage that cannot get the optimal results. By predicting the precipitation and average temperature of Chengkou County in January, and spring drought index of Chongqing from 2001 to 2007, the experiment results show that the reliability and accuracy of the proposed model are better than those of the sub-methods and other integrating forecast methods, which proves the effectiveness of this method.     

基于无迹卡尔曼滤波神经网络的光伏发电预测

针对光伏发电系统在不同天气状况下发电功率预测精度不高的问题,在分析传统方法的基础上,提出一种无迹卡尔曼滤波神经网络光伏发电预测方法。该方法利用无迹卡尔曼滤波实时更新神经网络模型的权重,以直流电压和电流作为系统的输入,以有功功率和无功功率作为系统的输出,分别建立两个独立的双输入单输出功率预测模型。实验结果表明：所提出的方法对有功功率和无功功率的预测精度分别为97.3%和94.2%,并且对天气具有良好的鲁棒性。     

基于遗传算法的BP神经网络在小麦蛋白质含量预测中的应用

为了快速、简便、准确地测定小麦蛋白质的含量,本文提出了应用近红外光谱分析技术结合遗传算法(GA)的BP神经网络的建模方法。采用SPXY算法对光谱数据进行了合理划分,并运用连续投影算法(SPA)将预处理过的数据压缩,对光谱数据提取最佳敏感波点作为GA-BP神经网络的输入,建立小麦蛋白质含量的校正模型。模型的预测均方根误差和预测相关系数为1.3379和0.979,并与BP神经网络所建立的校正模型进行了比较。结果表明：GA-BP神经网络所建模型收敛速度快、训练时间短、准确度也较高,能够实现对小麦蛋白质含量快速高效的检测。     

Application of Intelligent Neural Network on Prediction of Time Series Signal

The research of neural network has been maturated both in theory and practical application since 1980's, and also been employed into the prediction and analysis of nonlinear time series signal in the field of signal process system. Concerning with the problem of time series signal prediction based on traditional neural network, such as black box, poor accuracy, and facing the shortage of post knowledge, this paper presents a different neural network prediction model from the traditional ones, based on intelligent neural cell model and employing the iterative prediction method. Through the example on stock price prediction, the prediction accuracy and practical value are proved.     

Research on Load Prediction Model of Air Condition System Based on Elman Neural Network

The load of air condition system is influenced by many factors, and they are variable and nonlinear, The relation between them is dynamic,It is impossible to forecaste the load of air condition syestem accurately by traditional method. But Recurrent Neural Network is able to reflect the dynamic lively and directly. Elman is one of the typical RNN. Based on the analysis as above, prediction model of air-condition system based on Elman neural network is established, and some prediction is done. The prediction accuracy of Elman neural network and BP neural network is compared, and the experiments show that the Elman neural network is efficiency and accuracy , so Elman neural network is a new and reliable method for predicting the load of air-condition system.     

基于人工神经网络的落叶松毛虫发生量预测模型的研究

运用人工神经网络的原理和算法,根据相关系数法和逐步回归法选取了蒸发量、气温、风速、相对湿度等气象因子作为预报因子,建立了内蒙古东部地区的鄂伦春自治旗落叶松毛虫的发生面积及虫口密度与气象因子之间的BP网络模型。结果表明：所建立的模型具有较高的预测效果。通过逐步回归筛选出的预报因子,与事实吻合,选取合理。误差较小,控制在0.1%~25.0%之间。可以作为病虫害综合防治的依据。     

基于主成分分析的BP神经网络估算藏北高寒草地覆盖度变化

藏北高寒牧区草地是中国高寒草地分布面积最大的地区。为了及时准确地获得该区域草地覆盖度的变化趋势,本研究利用多年气象数据、社会统计数据、GIMMS、MODIS两种归一化植被指数（NDVI）数据作为参数,构建 BP神经网络模型,估算2010—2014年藏北高寒草地年际变化趋势,并用主成分分析方法优化参数来改进模型。结果表明,① BP神经网络模型及其改进模型对藏北高寒草地覆盖度年际变化趋势与遥感值的相关系数为0.16、0.47,表明通过主成分分析优化参数后的BP神经网络模型具有较好的模拟效果。 ②两种BP神经网络估算的植被指数值与NDVI值平均误差率分别为2.36%、2.20%。均有较高的模拟精度。③从神经网络训练步数上看,BP神经网络结果训练收敛步长为5000,基于主成分分析的BP神经网络模型训练收敛步长为454,表明后者提高了计算效率,体现出良好的收敛性。因此,无论从年际变化趋势拟合程度、植被指数估算值精度、还是从计算效率来看,改进的BP神经网络模型对于估算藏北高寒草地覆盖度变化更加行之有效。     

基于幼果期气象数据苹果产量早期预测研究——以运城市为例

本文通过对运城市2005—2018年气象数据和苹果年产量数据进行分析,构建运城市苹果产量早期预测模型。首先,采用HP滤波法将运城市苹果年产量分为趋势产量和气象产量。其次,分别对苹果物候期：发芽期、花期、幼果期、膨果期、成熟期建立多元线性回归模型,研究每个物候期对苹果气象产量影响的强弱。最后,选取对苹果气象产量影响最强的幼果期建立BP神经网络早期预测模型,并对其进行验证。结果表明：选取幼果期建立的BP神经网络苹果产量早期预测模型其预测结果相对平均误差为7.08%,使用2019年相关数据验证BP神经网络产量早期预测模型的精度为89.6%,表明该模型能够较为准确的预测苹果产量,可为农作物产量早期预测提供理论支持。