【摘 要】
：
研究了鱼露发酵过程中理化指标的变化情况并对发酵过程中产生的挥发性盐基氮(TVB-N)和氨基酸态氮(AN)质量浓度进行预测。通过对不同鱼露发酵条件下的理化指标进行检测,得到130组实验数据,由Person相关性分析可知,在整个发酵过程中,TVB-N和AN质量浓度均与发酵时间和含盐量呈正相关性,与pH呈负相关性,与温度和成曲添加量不相关。将主成分回归、偏最小二乘回归以及BP神经网络模型应用于TVB-N和AN质量浓度的预测,结果表明3种模型均能对鱼露发酵过程的TVB-N和AN质量浓度进行预测。比较3种模型的预测
【基金项目】
：
国家重点研发计划(2017YFC1600403),辽宁省“兴辽英才计划”(XLYC1808034).
论文部分内容阅读
研究了鱼露发酵过程中理化指标的变化情况并对发酵过程中产生的挥发性盐基氮(TVB-N)和氨基酸态氮(AN)质量浓度进行预测。通过对不同鱼露发酵条件下的理化指标进行检测,得到130组实验数据,由Person相关性分析可知,在整个发酵过程中,TVB-N和AN质量浓度均与发酵时间和含盐量呈正相关性,与pH呈负相关性,与温度和成曲添加量不相关。将主成分回归、偏最小二乘回归以及BP神经网络模型应用于TVB-N和AN质量浓度的预测,结果表明3种模型均能对鱼露发酵过程的TVB-N和AN质量浓度进行预测。比较3种模型的预测
其他文献
针对双馈风机附加频率控制对系统调频动态特性产生的影响,通过建立双馈风机多物理控制环节耦合特性数学模型、互联电力系统考虑风机接入的负荷频率控制动态特性数学模型,以风机采用惯性支撑与下垂控制结合的附加频率控制为研究对象,利用小干扰稳定分析研究了风机参与系统调频的动态特性,以及各控制环节的运动模态耦合特性.分析结果表明,双馈风机附加频率控制对系统调频动态的小干扰稳定性不会产生明显影响,但惯量支撑控制使系统的调频动态增加一种模态,并使负荷频率控制的调频动态环节与风机的多物理控制环节在部分振荡和非振荡模态上发生耦合
针对自动发电控制问题中的状态信息测取和最优发电控制策略的难题,结合深度置信网络与最优控制理论,提出了一种应用于自动发电控制领域的深度置信网络状态最优反馈算法.首先,设计了一种适用于发电控制问题的全状态最优反馈控制策略,并引入了深度置信网络学习全状态最优反馈控制特性,以深度置信网络的非线性表达能力弥补传统线性控制的不足,进而实现了非全状态信息反馈下的近似最优发电控制,有效解决了最优发电控制问题中的状态信息测取难题,同时提升了自动发电控制性能.在IEEE标准两区域系统的算例仿真结果表明,所提算法可以实现由自区
利用天然物质金银花提取物为还原剂制备纳米银溶液,通过紫外-可见分光光度计和粒径分析优化最佳工艺条件。对最佳工艺条件下制备的纳米银进行TEM、XRD和FT-IR测试,通过浸渍烘干法将该纳米银负载到棉织物上,测定织物的抗菌性能以及白度。结果表明,制备纳米银的最佳工艺条件为AgNO3浓度1 mmol/L,反应温度130℃,反应时间25 min。纳米银颗粒的平均尺寸为10 nm,且金银花提取物在纳米银表面包裹很好,具有良好的稳定性。用金银花纳米银整理的棉织物对大肠杆菌和金黄色葡萄球菌的抑菌率
近年随着电网调度领域数据自动化、智能化管理需求的日益增长,知识图谱成为提供知识管理、智能查询、辅助决策等功能的重要技术.实体作为构成知识图谱的核心要素,识别的准确率将直接影响知识图谱的质量.针对电网调度领域,首先分析电网调度实体识别研究现状,明确了实体识别任务目标,然后根据电网调度领域文本数据特征,设计了同时满足局部特征与全局特征提取需求的算法结构,构建了基于双向长短期记忆网络(bi-directional long short-term memory,BiLSTM)-卷积神经网络(convolution
在含光伏的直流配电网系统中,传统的下垂控制在光伏出力变化的情况下,存在功率分配不均衡及母线电压偏差大等问题.针对光伏出力受环境因素影响较为严重,引起传统下垂控制效果变差这一问题,根据光伏出力变化情况自适应调节下垂特性曲线,使其在重载条件下实现功率的精确分配,在轻载条件下,实现母线电压的稳定控制.通过建立下垂控制输出阻抗模型,分析了下垂系数自适应变化对系统环流抑制能力及均流度的影响.在MATLAB/Simulink中搭建光伏直流配电网进行仿真验证.理论分析和仿真验证表明所提光伏变流器柔性出力自适应分段下垂控
日益增加的户用光伏发电系统改变了配电网的潮流分布,同时对配电网的线损产生显著影响.为了便于量化分布式光伏电源(distributed photovoltaic generation,DPG)接入三相四线制低压配电网的运行经济性,文章以三相不平衡线损为研究目标,首先建立了适用于低压配电网平衡态和不平衡态的线损计算模型;通过引入DPG接入模式、位置及容量3种要素,建立DPG不同接入模式下的线损变化量模型;以此为基础,提出一种考虑DPG接入模式的有源低压配电网的三相不平衡线损计算方法.在进行计算时,所提方法既可
随着大规模可再生能源对电网渗透率的不断增加,大型风光电站也开始参与到电网的调频当中.首先,建立了功率响应总偏差、调频里程支出最小化的多目标互补控制模型,以解决不同调频资源的动态功率分配问题.为解决该非线性优化问题,采用多目标蝠鲼觅食优化算法(multi-objective manta ray foraging optimization,MMRFO)快速地获取高质量的Pareto前沿,以满足电网的实时在线调频需求,提高区域电网的动态响应能力.然后,基于熵权法,设计了灰靶决策法客观地选择不同功率扰动下兼顾运行
随着风电和光伏等可再生能源通过多微网(multiple microgrids,MMGs)的形式接入配电网(distribution network,DN),其不确定性会给配电网与多微网系统联合运行的可靠性、经济性带来挑战.对此,文章提出了一种考虑风光相关性的配电网与多微网数据驱动鲁棒调度方法.首先采用分布式调度方法建立配电网与多微网调度框架,分别建立配电网调度模型与微网二阶段鲁棒调度模型,以联络线功率作为两者的耦合参数;考虑风光出力的不确定性与时空相关性,采用数据驱动算法构建风光出力不确定集合,从而建立微
随着电力系统中风电渗透率的不断提高,电力系统潮流分布的复杂性和不确定性随之增加.为解析含风电互联电力系统的稳定运行特性,提升接纳间歇性可再生能源发电的能力,文章提出利用概率灵敏度指标优化配置风电落点.首先,针对互联系统多种运行方式,研究系统状态矩阵与留数之间关系,构建系统概率灵敏度指标,辨别引起系统低频振荡的相关因素和强相关电机组.之后,采用特征根和动态时域仿真,对比分析“增加”和“替换”风电两种配置方案对系统振荡特性的影响,并确定风电入网的最优配置落点.最后,采用算例对所提方法的可行性与有效性进行仿真验
目前深度学习方法在物理层通信中得到了广泛的应用,信道估计是物理层通信中的关键部分,与传统信道估计算法相比,深度学习方法在信道估计方面具有一定的优势。本研究介绍了深度学习中常见的神经网络模型,从模型驱动和数据驱动方式两个方面分别阐述了深度学习方法在信道估计中的应用。综述了将深度学习方法应用在信道估计中的最新研究进展。为了满足下一代移动通信的性能需求,讨论了智能物理层通信中信道估计面临的挑战与机遇。