响应面法优化发酵鹿肉干工艺及其货架期预测

为改善发酵鹿肉干的品质,对鹿肉干进行发酵工艺优化,并建立货架期预测模型。采用单因素和响应面试验设计,以剪切力为评价指标,结合感官评价,进行鹿肉干工艺优化,研究不同贮藏温度下发酵鹿肉干的挥发性盐基氮(TVB-N)和硫代巴比妥酸值(TBARS)的变化,利用阿伦尼乌斯方程建立货架期预测模型。结果表明,发酵鹿肉干的最佳工艺为戊糖片球菌:木糖葡萄球菌:植物乳杆菌体积比2:2:1,发酵剂接种量5%,发酵温度30 ℃,发酵时间45 h。TVB-N和TBARS的活化能Ea分别为36.42、24.95 kJ·mol^-1,指前因子k₀分别为2.17×10⁶、2.44×10⁴。验证结果表明,以TVB-N和TBARS为指标可以对发酵鹿肉干货架期进行准确预测。     

Land allocation conditioned on El Niño-Southern Oscillation phases in the Pampas of Argentina

The El Niño-Southern Oscillation (ENSO) contributes to the vulnerability of crop production to climate variability in the Pampas region of Argentina. Predictability of regional climate anomalies associated with ENSO may provide opportunities to tailor decisions to expected climate, either to mitigate expected adverse conditions or to take advantage of favorable conditions. Model analysis was used to explore the potential for tailoring land allocation among crops to ENSO phases at the farm scale in two sub-regions of the Pampas. The model identifies as a function of risk preferences and initial wealth the crop mix that maximizes expected utility of wealth at the end of a 1-year decision period based on current costs and prices, and crop yields simulated for each year of historical weather. The model reproduced recent land allocation patterns at the district scale under moderate risk aversion, and predicted increasing diversification with increasing risk aversion. Differences in land allocation among ENSO phases were consistent with known climate response to ENSO, and crop response to water availability. Tailoring land allocation to ENSO phase increased mean net farm income between US$5 and $15 ha⁻¹ year⁻¹ relative to optimizing the crop mixture for all years, depending on location, risk aversion and initial wealth. The relationship between potential value of ENSO information and risk aversion was not monotonic, and differed between locations. Crop mix and information value also varied with crop prices and initial soil moisture. There are potential financial benefits of applying this approach to tailoring decisions to ENSO phases.     

优化运行理论在泵站综合自动化系统中的应用

利用改进的神经元网络构建了泵站流量以及效率预测模型，并利用改进的遗传算法构建了泵站优化模型。将这两个模型应用到泵站综合自动化系统中，可以完成对泵站流量及效率的准确预测，并在此基础上实现泵站的优化运行。讨论了泵站优化运行理论在泵站综合自动化系统中应用的步骤和方法。     

混合动力汽车动力电池容量特性

针对混合动力汽车动力电池的特点，运用计算机软硬件设备构成测试系统，利用较易实现的电流积分方法来预估电量状态参数SOC，并进行了电池的实际容量特性试验，对电池电压、电流及温度进行了数据采集和监测。结果表明，利用该方法可得到较满意的电池电量状态参数估计。     

消费者生鲜水果线上购买迁徙行为及其影响因素

为探索消费者生鲜水果线上购买迁徙行为的影响因素和机制路径,本研究基于PPM理论,构建结构方程模型分析了消费者生鲜水果线上购买迁徙行为及其影响因素,并运用多群组分析不同消费者行为影响因素的差异性。结果表明：1）价格、信息、服务不满意构成正向影响消费者生鲜水果线上购买迁徙行为的推力因素;感知有用性、搜索、消费体验感构成正向影响迁徙行为的拉力因素;程序转移成本构成负向影响迁徙行为的锚定因素。2）锚定因素负向调节推力因素对迁徙行为的作用效果。3）性别、年龄、学历水平三个人口统计特征在不同假设路径中的影响较为显著。其中女性、30岁及以下、学历水平大专以上的群体更愿意在线上渠道购买生鲜水果。结论丰富了生鲜水果领域消费者迁徙行为的研究成果,并为生鲜电商可持续发展提供了启示。     

土壤水蚀模型中的融雪侵蚀模拟研究

在季节性或常年积雪地区,春季积雪融化产生的径流及其造成的侵蚀占全年总侵蚀量的比例很大,同时反复进行的冻融过程会影响土壤的物理性质,如团聚体稳定性、水分传导率、抗剪切力、可蚀性等,进而加重土壤侵蚀。因此在这些地区进行融雪侵蚀预报十分必要,它主要包括融雪径流的产生,及其形成的土壤侵蚀量,冻融过程导致土壤性状的变化,以及由此造成的对土壤可蚀性的影响。本研究总结了国内外融雪侵蚀的研究现状,并分析了几个代表性土壤水蚀预报模型中的融雪侵蚀过程,提出我国部分地区土壤侵蚀模型中考虑融雪侵蚀的必要性。     

基于人工神经网络的PV/T热电联供系统性能预测

为研究太阳能PV/T热电联供系统的性能和针对太阳能PV/T系统复杂的能量平衡方程,搭建了太阳能PV/T系统试验台,同时建立了基于改进灰狼优化的BP神经网络(back propagation neural network model based on improved grey wolf algorithm, IGWO-BP)预测模型,在晴朗天气下进行试验,并采用该模型对系统电功率以及蓄热水箱内水温进行预测。结果显示,晴朗日系统的电效率8.7%～12.2%、热效率51.7%;预测结果与BP神经网络预测模型、基于粒子群优化的BP神经网络(back propagation neural network based on particle swarm optimization, PSO-BP)预测模型和卷积神经网络（convolutional neural network, CNN）预测模型预测结果进行比较,结果显示IGWO-BP预测模型电效率预测模型的绝对百分比误差(mean absolute percentage error, MAPE)、决定系数(determination coefficient, R ² )、均方根误差(root mean square error, RMSE)、效率因子(efficient factor, EF)和Pearson相关系数(pearson related coefficient, r )分别为4.5E-05、0.99、0.24、0.99和1.00,在储热罐温度预测中,上述指标分别为8.90E-04、0.98、0.07、0.98、0.99,均优于其他预测模型,IGWO-BP神经网络预测模型具有更好的预测性能。研究结果可为太阳能PV/T热电联供系统性能预测与优化控制提供参考。     

浙江淳安千岛湖茶叶批发市场发育状况调查

本文以浙江淳安千岛玉叶茶叶批发市场实地考察为基础,从市场交易规模、交易形式、经营者状况、市场辐射面、市场商品组成、市场价格形成、市场流通方式等多方面对该市场发育状况进行了分析,最后对其发展前景进行了预测。     

基于经验模式滤波与循环神经网络的水锤压力信号预测

为准确预测水锤信号变化规律,实现对水锤冲击强度和能量等特性的提前预判,针对水锤冲击信号提出了一种基于经验模式分解(empirical mode decomposition, EMD)和循环神经网络(recurrent neural network, RNN)的模型预测方法.首先,通过EMD获取具有不同频率的IMF分量,根据水锤信号的频域特性剔除高频噪声分量并重构信号以实现滤波,滤波后信号能量损失不足0.1%;进而,建立了基于RNN模型的时间序列预测模型,搭建试验平台获取水锤冲击信号,完成了RNN模型的训练和参数调节;随后,对不同流速下水锤冲击信号进行序列预测,在测试集与训练集流速不同条件下,得到了准确的预测结果,表现出一定泛化能力.对比分析预测水锤信号与实际信号,得到R²系数大于0.990 0,幅值和能量损失不足1%,验证了所提出方法的正确性,主要结论和建模方法可为各类输水系统的风险评估、管路监测和健康管理提供理论指导和技术手段.