琥珀酰化修饰改善牦牛乳酪蛋白胶束结构及疏水性

琥珀酰化是改善食品蛋白质功能性质的常用手段,牦牛乳是青藏高原特色乳资源.为了揭示琥珀酰化对牦牛乳酪蛋白胶束结构的修饰作用,以牦牛乳酪蛋白为原料,研究了琥珀酰化修饰对其结构及疏水性的影响.分别通过傅里叶变换红外光谱分析了修饰前后酪蛋白胶束二级结构变化,采用动态光散射技术分析了修饰前后酪蛋白胶束粒径变化,采用扫描电镜技术观察了酰化反应对酪蛋白的表面形貌的影响.结果显示,牦牛乳酪蛋白胶束二级结构为33.1%β-转角、23.2%无规卷曲,32.0%β-折叠和11.7%大环结构,α-螺旋结构未检出.琥珀酰化修饰后,α-螺旋结构形成,含量为12.4%,其他二级结构含量变化不大.琥珀酰化修饰使酪蛋白胶束粒径减小,由不规则的球形转变为规则的球形,疏水性显著降低.研究结果可为牦牛乳酪蛋白的改性提供参考依据.     

低温等离子快速提高糖基化花生分离蛋白溶解性及乳化性

为进一步提高花生蛋白的溶解特性,扩大花生蛋白在食品工业中的应用。采用低温等离子（Non-Thermal Plasma,NTP）诱导花生分离蛋白-葡聚糖（Peanut Protein Isolate-Dextran,PPI-Dex）湿法糖基化反应,研究NTP在处理0、0.5、1.5、2.0 、3.0 min的情况下,反应时间对花生分离蛋白与葡聚糖糖基化反应的影响。在低温等离子处理功率为70 W,反应液温度为60 ℃的状态下,随着NTP处理时间的延长,PPI-Dex的接枝度增加,在处理时间为1.5 min时,PPI-Dex接枝度达最大为21.62%,与超声波接枝PPI-Dex需要40 min,传统湿接枝需要24 h相比,缩短了接枝时间。PPI-Dex接枝后,接枝物溶解度和乳液稳定性显著增强,与未接枝相比,溶解度提高了22.28%。通过测定其分子量、氨基酸含量、红外图谱及表面疏水性变化分析NTP处理对花生分离蛋白结构影响。分析结果表明,NTP 处理1.5 min后,花生分离蛋白与葡聚糖发生糖基化反应形成偶联物,偶联物中羟基特征峰3 000～3 500 cm-1及1 000～1 260 cm-1的吸光度与未处理时相比增加,赖氨酸和苯丙氨酸相对含量显著降低（P<0.05）;同时,α-螺旋含量降低,β-折叠向β-转角转变,蛋白的有序结构被破坏,结构变松散,PPI构型向亲水型转变;接枝物的表面疏水性指数降低。花生分离蛋白与葡聚糖发生糖基化反应,反应位点可能为Lys和Phe。结果表明,低温等离子处理是一种快速促进蛋白与多糖接枝的有效方法。     

Predicting regolith properties using environmental correlation: a comparison of spatially global and spatially local approaches

In this paper we assess the utility of mapping regolith properties as continuously varying fields using environmental correlation over large spatial areas. The assessment is based on a comparison of results from spatially global and local analysis methods.

The two methods used are a feed-forward, back propagation neural network, applied globally, and moving window regression, applied locally. These methods are applied to five regolith properties from a field site at Weipa, Queensland, Australia. The properties considered are the proportions of oxides of aluminum, iron, silica and titanium present in samples, as well as depth to the base of the bauxite layer. These are inferred using a set of surface measurable features, consisting of Landsat data, geomorphometric indices, and distances from streams and swamps.

The moving window regression results show a much stronger relationship than do those from the spatially global neural networks. The implication is that the scale of the analysis required for environmental correlation is of the order of hundreds of metres, and that spatially global analyses may incur an automatic reduction in accuracy by not modelling geographically local relationships. In this case, this effect is up to 45% error at a tolerance near half of a standard deviation.     

基于多元线性回归模型的生物质与烟煤混燃灰熔融特征温度预测

生物质中钾、钠等碱金属含量高,极易导致生物质与煤混燃灰沾污结渣严重。灰熔融特征温度是用于表征积灰结渣倾向的重要指标。该研究在充分考虑灰中酸/碱性组分对熔融特征温度影响的基础上,以生物质与烟煤混燃灰中Al₂O₃、SiO₂、P₂O₅、SO₃、K₂O、CaO、Fe₂O₃7种氧化物作为变量,利用Matlab软件建立了基于多元线性回归模型的生物质与烟煤混燃灰熔融特征温度预测模型,并以中国农村典型的玉米秸秆和神木烟煤为试样,测定其在不同掺混比例、不同温度和不同停留时间下的灰分组成及熔融特征温度。试验结果表明：随着混合燃料中玉米秸秆的质量分数由25%增至75%时,灰样中MgO、K₂O、CaO、Na₂O等碱性氧化物的含量增加,特别是对于K₂O而言,其质量分数由5.89%升至14.41%,而Al₂O₃、P₂O₅和SO₃等酸性氧化物的含量逐渐减少,其中Al₂O₃的质量分数由12.05%降至7.78%,P₂O₅的质量分数由3.66%降至1.07%,SO₃的含量由7.70%降至1.48%。随着灰化温度升高和停留时间延长,Cl元素的含量明显减少。将该模型的预测结果与经验公式预测结果及试验结果对比,发现该预测模型中P₂O₅、SO₃对灰熔融特征温度的影响系数较大,这与试验结果基本相符。灰熔融特征温度与Al₂O₃、SiO₂、P₂O₅、CaO等氧化物含量呈正相关,表明这些氧化物成分有助于抑制熔融结渣。利用试验测量及经验公式等方法对该预测模型的结果进行检验,利用该模型预测的熔融特征温度与试验值的误差在5%以内,验证了该模型的准确性和可靠性。该模型研究结果可为准确预测生物质与烟煤混燃灰熔融特征温度以及防治锅炉积灰结渣提供参考。     

利用Elman神经网络的华北棚型日光温室室内环境要素模拟

准确模拟日光温室内环境的变化过程是实现温室环境精准调控的前提.该研究以3个生长季的日光温室室内实时气象观测资料为基础,利用Elman神经网络建模的方法,对日光温室室内1.5 m气温、0.5 m气温和CO2浓度进行逐时模拟,对日光温室室内平均湿度、平均温度、最高温度和最低温度进行逐日模拟,建立基于Elman神经网络的日光...     

不同模型在渔业CPUE标准化中的比较分析

为了提高渔业数据单位捕捞努力量渔获量（catch per unite of effort,CPUE）标准化数据的质量和模型连续稳定预测能力,该文采用人工神经网络（artificial neural network,ANN）、回归树（regression trees,RT）、随机森林（random forest,RF）和支持向量机（support vector machine,SVM）等机器学习方法和传统的广义线性模型（generalized linear model,GLM）等方法,对2000－2013年大西洋大眼金枪鱼（Thunnus obesus）延绳钓CPUE数据进行标准化。采用平均绝对误差、平均均方误差、3种相关系数（Pearson's,Kendall's和Spearman's）和标准化均方误差等评价指标对不同模型标准化结果进行对比,寻找较优的标准化方法。研究结果表明,在验证数据集SVM方法得到的3种相关系数（0.596,0473和0.632）和RF（0.623,0.456,0.621）相似,高于RT(0.516,0.432和0.586)、ANN(0.428,0.249和0.365)和GLM(0.199,0.106和0.159)。SVM预测的均方误差（11.25）、平均绝对误差（2.107）和标准化均方误差（0.652）略低于RF（11.655,2.377和0.661）,明显低于RT（14.999,2.434和0.801）、ANN(16.692,2.883和0.823)和GLM（16.517,2.777和0.993）。各项指标揭示SVM方法要优于其他4种方法,RF次之,GLM计算结果在所有方法中最差,不适合渔业数据CPUE标准化。SVM和RF方法应该被优先考虑用于渔业数据CPUE标准化。研究结果为渔业资源管理和保护提供更好的支持。     

基于RIME-CNN-SVR模型的麦田土壤水分反演

土壤水分监测对于农业生产和作物产量预估具有重要意义。近年来深度学习技术在土壤水分反演领域得到广泛应用,但大多侧重于模型结构增强和优化,对模型超参数优化研究探索不足。该研究提出了一种基于霜冰优化算法（rime optimization algorithm,RIME）的卷积神经网络（convolutional neural network,CNN）超参数优化模型,结合极化分解技术来校正植被对土壤水分反演精度的影响,以提高冬小麦农田土壤水分反演性能。首先利用RIME优化CNN超参数以构建RIME-CNN模型,然后使用RIME-CNN模型对特征参数进行自适应提取和挖掘,之后对这些特征参数进行正则化处理并输入到支持向量回归（support vector regression,SVR）模型,构建RIME-CNN-SVR模型进行土壤水分估算。为验证所建RIME-CNN-SVR模型的有效性,利用合成孔径雷达（synthetic aperture radar,SAR）数据结合光学遥感数据,在河南省开封市冬小麦农田区进行试验验证和精度分析。结果表明,该方法在不增加模型结构复杂性和可学习参数的前提下,显著提升了模型的预测性能,决定系数可达0.72,均方根误差为2.78%,平均绝对误差为2.20%。该研究可为农业生产提供一个更为准确、可靠的土壤水分监测手段。     

基于Logistic回归和RBF神经网络的土壤侵蚀模数预测

[目的]寻求估算土壤侵蚀模数的新方法,并通过GIS实现对土壤侵蚀空间分布情况的预测。[方法]采用土壤侵蚀模数作为判别条件,分别验证基于Logistic回归和RBF神经网络而建立的土壤侵蚀预报模型的适用性,进而构建并验证改进模型——LOG-RBF神经网络土壤侵蚀预测模型。[结果](1)Logistic回归模型判别目标土地是否发生土壤侵蚀的优势明显,未发生和发生土壤侵蚀的预测正确率分别为77.4%和97.9%,总预测正确率为94.9%。(2)RBF神经网络模型估计土壤侵蚀模数的能力较强,模拟结果的相对误差和平方和误差分别为0.612%和13.292,R2为0.57。(3)LOG-RBF神经网络土壤侵蚀预测模型预测结果的相对误差和平方和误差比RBF神经网络模型模拟结果分别降低了0.157%和2.601。R2为0.82,拟合程度上优于RBF神经网络模型。随着土壤侵蚀模数的增大,错估现象呈逐渐减少趋势。通过受试者工作特征曲线的判别,LOG-RBF神经网络模型的曲线下面积值比RBF神经网络模型大0.063,模型判断的准确性更高。[结论]利用LOG-RBF神经网络土壤侵蚀预测模型可更准确地估计土壤侵蚀模数,基于GIS能够预测土壤侵蚀的空间分布情况。     

采用BP神经网络和Burgers模型的细观参数标定

PFC软件作为一款成熟的离散元分析软件,由于在处理连续与非连续介质方面的出色表现,得到了广泛的应用。但是PFC软件所需要的细观参数均需要采用室内试验数据通过试错法反复调试才能获得,效率低、盲目性高,严重影响后续试验数据,因此急需一种新的细观参数校准方法。本文以玉米秸秆颗粒的单轴蠕变试验为基础,结合离散元软件PFC 2D,通过正交试验多因素方差分析方法分析了Burgers模型宏细观参数之间的影响关系,从而证明宏细观参数之间存在着复杂关系,不宜采用通过回归分析获得宏细观参数之间的关系式的方式标定细观参数,适合利用BP神经网络进行参数标定,利用创建的BP神经网络对细观参数进行标定,根据测试组的标定结果分析得出Burgers模型各细观参数的标定精度均在92%以上,且误差较为稳定,而且训练好的神经网络相关系数R>0.96,从而证明BP神经网络的细观参数标定性能较为可靠。将玉米秸秆单轴蠕变试验的宏观参数带入训练好的BP神经网络中进行细观参数标定,比对模拟蠕变试验与物理蠕变试验发现,两者的蠕变曲线基本一致,应变量的最大误差为2%,证明了BP神经网络具有良好的参数标定能力,可为PFC参数标定提供一定的参考价值。     

赣州市生境质量和景观格局间时空非平稳性关联

在城市化的高速推进造成景观破碎、威胁生境质量的大背景下,赣州市较好地实现了经济发展与生态保护并行。为探明赣州市景观格局对生境质量的驱动机理,回答“怎样的景观格局有利于生态保护”这一问题,该研究以赣州市为研究区,对其2000—2020年的生境质量进行空间测度并分析其时空跃迁动态特征;分析其景观格局演变特征,并基于时空地理加权回归模型（geographically and temporally weighted regression,GTWR）探明二者关联机制。结果表明：赣州市生境质量呈现“四周高,中部低”的空间分布特征,2000—2020年整体均处于较高水平,呈现积极协同进步的空间动态特征;赣州市景观格局维持在较稳定状态,人造地表扩张优先占用非林非水地类,且与水域增量存在空间伴随;生境质量与景观格局间关联呈现显著的时空非平稳性特征;散布与并列指数（interspersion juxtaposition index ,IJI）显示人造地表、林地和水域交错分布可能降低人造地表对生境质量的负向影响。该研究以提升生境质量为目标,探明了10 km×10 km格网尺度下赣州市各景观格局指数的最优驱动阈值区间,人造地表总面积占比全域应控制在0.68%之内,最大斑块占林地总面积比不宜低于9.8%,且林地总面积占比全域应控制在7.8%之内,斑块IJI指数应大于20%,草地和水域斑块IJI指数应控制在60%内以及超出13%。研究结果可为对国土空间规划和其他区域的生态管理决策提供参考。