BPS对金鲫鱼中肾抗氧化指标的影响

为研究作为双酚A替代物的双酚S(BPS)对金鲫鱼中肾抗氧化指标的影响,将提前驯养适应1周的金鲫鱼随机分为5组,每组10尾鱼。在安全浓度的基础上,设置1个对照组和以等对数浓度差设置1、10、100、1 000μg/L 4个BPS质量浓度组,进行为期15 d的急性暴露。试验结束后分别从每组取3尾鱼进行采样,测定金鲫鱼中肾中总超氧化物歧化酶(T-SOD)、丙二醛(MDA)及过氧化氢酶(CAT)含量,分析不同BPS浓度对于金鲫鱼中肾抗氧化指标的影响。经试验得出,在安全浓度的基础上,随着BPS浓度的升高,金鲫鱼中肾中的CAT活力与总SOD活力显著降低;MDA含量明显增加。

New environmental factors related to diabetes risk in humans:Emerging bisphenols used in synthesis of plastics

BACKGROUND Diabetes mellitus(DM)is one of the largest global health emergencies of the 21st century.In recent years,its connection with environmental pollutants,such as bisphenol A(BPA),has been demonstrated;consequently,new structurally similar molecules are used to replace BPA in the plastics industry(BPS,BPF and BPAF).AIM To carry out a systematic review to allow coherent evaluation of the state of the art.Subsequently,a meta-analysis was performed to unify the existing quantitative data.METHODS Firstly,a systematic review was carried out,using the terms“(bisphenol)AND(Diabetes OR Hyperglycemia)”,to maximize the number of results.Subsequently,three authors analyzed the set of articles.Finally,a meta-analysis was performed for each BP,using RevMan software.In addition,funnel plots were developed to study publication bias.RESULTS The systematic analysis of the literature revealed 13 recent articles(2017–2023)related to the study paradigm.The qualitative analysis showed interesting data linking diabetes to the three most widely used substitute BPs in the industry:BPS,BPF and BPAF.Finally,the meta-analysis determined a positive relationship with BPS,BPF and BPAF,which was only statistically significant with BPS.CONCLUSION There is a need to apply the precautionary principle,regulating the use of new BPs.Therefore,replacing BPA with BPS,BPF or BPAF is unlikely to protect the population from potential health risks,such as DM.

基于高光谱成像技术的南果梨酸度无损检测方法

南果梨是一种重要的水果品种,其酸度是评估果品质量的重要指标之一。然而,传统的南果梨酸度检测方法通常需要破坏性采样和化学分析,不仅耗时费力,而且容易导致样品污染和浪费。因此,旨在探索一种基于高光谱成像技术的无损检测方法,以实现对南果梨酸度的快速、准确、无损检测。首先,采集室温20℃下不同贮藏天数南果梨的高光谱数据,其光谱波长范围为400~1000 nm,并且通过理化实验测量南果梨样本的可滴定酸;其次,采用多元散射校正(multipli⁃cative scatter correction,MSC)、标准正态变换(standard normal variate,SNV)、Savitzky-Golay平滑滤波等多种方法对光谱数据进行预处理,建立偏最小二乘回归模型(partial least squares regression,PLSR),选择出建模效果最佳的预处理方法,结果显示MSC方法效果最优;然后结合连续投影算法(successie projection algorithm,SPA)提取特征波段,在700~900 nm范围内确定9个特征光谱变量;最后,以提取出的9个特征光谱变量作为输入矢量,分别建立PLSR模型、极限学习机(extreme learning machine,ELM)模型以及遗传算法(genetic algorithm,GA)和粒子群算法(particle swarm op⁃timization,PSO)优化的BP神经网络模型。研究结果表明,基于MSC预处理和SPA算法特征提取的PSO-BP模型预测精度最高,效果最好,预测集决定系数R^(2)_(p)=0.911,RMSEP=0.032。可见,基于高光谱成像技术的SPA-PSO-BP模型可用于南果梨酸度的检测,为南果梨的品质评价提供参考。

预制装配式型钢混凝土梁抗剪承载力的智能模型研究

通过建立计算预制装配式型钢混凝土(PSRC)梁抗剪承载力的智能模型,在一定程度上提高了计算精度与适用性。基于BP人工神经网络算法,通过对影响PSRC梁抗剪承载力的相关参数进行梳理,选取14个主要影响参数作为输入层,以试算法确定隐含层节点数为5,初步构建了3层结构人工神经网络系统;以收集的76组试验数据作为学习样本,对构建的神经网络系统进行训练,建立了对PSRC梁及SRC梁抗剪承载力计算的N14-5-1智能模型。使用智能模型对6个PSRC梁构件及6个SRC梁构件进行抗剪承载力计算,并通过与规范公式计算结果、试验结果的对比分析,证明了智能模型具有良好的计算精度及较好的泛化能力,具有一定的工程参考意义。运用Garson算法对输入参数进行敏感性分析,结果表明箍筋间距、型钢屈服强度、箍筋屈服强度、型钢腹板含钢率对抗剪承载力影响较大。随着研究试验的开展,在收集更多具有代表性的试验数据以扩充学习样本后,可对智能模型进一步优化。

正交实验结合AHP和GA-BP神经网络优化益黄散醇提工艺

目的 优化益黄散的醇提工艺。方法 采用回流提取法,以乙醇体积分数、液料比、提取时间为考察因素设计正交实验,以橙皮苷、川陈皮素、橘皮素、没食子酸、诃黎勒酸、诃子酸、甘草苷、甘草酸、丁香酚含量和干浸膏得率为指标,采用层次分析法(AHP)进行赋权并计算综合评分。通过验证正交实验和遗传算法(GA)-反向传播神经网络(BP神经网络)所预测的结果确定益黄散最佳醇提工艺参数。结果 正交实验优选的最佳醇提工艺参数为乙醇体积分数60%、液料比14∶1(mL/g)、提取时间90 min、提取2次,验证所得综合评分为79.19分;GA-BP神经网络优选的最佳醇提工艺参数为乙醇体积分数65%、液料比14∶1(mL/g)、提取时间60 min、提取2次,验证所得综合评分为85.30分,高于正交实验所得结果。结论 采用正交实验结合GA-BP神经网络的寻优方法较传统的正交实验寻优方法效果更佳,其优选出的益黄散最佳醇提工艺稳定可靠。

基于BP神经网络的测量设备无关协议参数预测

针对传统参数优化方法计算开销大,不能满足实时性要求高、计算量大等应用场景的问题,结合当今主流的机器学习方法,提出了一种改进的基于BP神经网络的参数优化方法,利用本地搜索算法的数据训练网络并对参数进行预测,替代传统的查找算法,从而获得更好的实时性和更低的计算复杂度,随后与基于随机森林和XGBoost的方法进行了比较。仿真结果表明,BP神经网络预测所得各参数的均方误差数量级为10^(-6)或更小,由该参数计算所得密钥生成率与最优密钥生成率比值的均值为0.998 8,且该应用中BP神经网络相对随机森林和XGBoost具有更好的预测性能。

聚丙烯/蒙脱土纳米复合材料的制备与力学性能预测

本文采用熔融挤出法制备了β成核聚丙烯/蒙脱土纳米复合材料,考察了蒙脱土、β成核剂及增容剂用量对复合材料缺口冲击强度和弯曲强度的影响,并用BP神经网络进行预测。结果表明,增加蒙脱土用量有助于复合材料强度的提高但对韧性不利;随β成核剂用量的增加,复合材料的缺口冲击强度略有增加,而弯曲强度存在最优值,即添加β成核剂0.1%时,弯曲强度达到最大值35.06MPa,较不添加时增加了13.68%;随增容剂用量的增加,复合材料的韧性显著增大而强度有所降低,添加30%增容剂,复合材料的缺口冲击强度较不添加时增加了约3倍,而弯曲强度仅降低了28.39%;BP神经网络预测结果表明,该模型能够比较精确的预测该复合材料的力学性能。该研究对于优化聚丙烯基纳米复合材料制备及改进力学性能预测具有借鉴意义。

金银花总黄酮低共熔溶剂提取工艺优化

目的优化金银花总黄酮低共熔溶剂提取工艺。方法在单因素试验基础上,以1,3-丁二醇与氯化胆碱比例、液料比、超声时间为影响因素,总黄酮得率为评价指标,响应面法和BP神经网络优化提取工艺。结果BP神经网络优化总黄酮得率高于响应面法优化。最优条件为1,3-丁二醇与氯化胆碱比例2.7∶1,液料比27∶1,超声时间29 min,总黄酮得率为7.85%。结论该方法稳定可靠,可用于低共熔溶剂提取金银花总黄酮。

基于BP神经网络的九寨沟地区地震滑坡危险性预测研究

BP神经网络因具有良好的精度和拟合能力,被广泛地运用在区域性滑坡危险性预测中。本文建立了基于BP神经网络的地震滑坡危险性评价模型并应用于四川九寨沟地区,以2017年8月8日的九寨沟MS7.0地震引发的4834个历史滑坡为例,将其随机划分为70%的训练样本集用于九寨沟地区地震滑坡危险性预测,以及30%的验证样本集对预测结果的精度进行评估。选取高程、坡度、坡向、平行发震断层距离、垂直发震断层距离、震中距离、距道路距离、地面峰值加速度(PGA)以及岩性共9个影响因子,分析发震断层对地震滑坡的控制作用,并总结九寨沟地区地震滑坡空间分布规律特征,其中发震断层、岩性和坡度对九寨沟地区地震滑坡分布产生重要影响。利用模型得到九寨沟地震滑坡危险性预测图,结果显示73.19%的滑坡位于极高和高危险区域,与实际地震滑坡分布基本相符。通过30%的验证样本集来绘制预测成功率曲线,结果表明模型预测成功率(AUC值)为0.90,证实了BP神经网络在九寨沟地区地震滑坡危险性预测中具有良好的精度和拟合能力,评价结果为后续地震滑坡灾害预测和防震减灾工作提供了科学的参考。

基于遗传算法优化下棉花的产量预测模型研究

棉花是我国重要的经济作物与棉纺织业发展的主要原材料之一,是我国经济发展的支柱产业。在棉花种植过程中,农田措施、气象环境等都会对棉花生产产生影响。对棉花生长因子进行分析,建立棉花预测模型,预测我国棉花产量,对于指导棉花生产和促进我国经济发展具有重要意义。为此,针对传统BP神经网络在预测中存在测试精度低、鲁棒性差等问题,利用遗传算法(Genetic Algorithm, GA)对BP神经网络模型进行优化,构建GA-BP神经网络模型;同时,基于湖北省2011-2021年棉花播种面积、气象因子、自然灾害和棉花产量,构建BP神经网络、GA-BP神经网络模型,对湖北地区棉花产量进行预测。研究结果表明:GA-BP神经网络模型精度明显高于BP神经网络模型,R2达到0.991。因此,通过GA-BP预测能够更加科学、合理地进行棉花产量预测,对棉花生产及管理措施的调整具有重要的指导意义。

基于机器学习的软土压缩模量预测及沉降分析

目前,常规土体试验及预测方法都难以准确获得压缩模量E_(s)。现基于机器学习理论建立一种非参数集成优化法计算E_(s),并与传统回归模型对比分析。从昆明地铁5号线会展中心场地选取203组泥炭质土物理力学指标样本,结合工程经验,选取其中8个重要的物理指标作为输入集,利用遗传算法优化BP神经网络输入层、隐含层及输出层之间的权值及阈值,采用相关系数R、正确率ACC及均方根误差RMSE多个评估指标优化确定算法的重要参数,将建立好的模型应用于多种土体,并与目前应用较多的方法对比分析,最后比较经验公式与本文方法预测地基沉降的性能。结果显示,GA-BP神经网络方法对分析样本适应性强、算法收敛快、所得结果精准可靠,具有较大优越性。该方法对软土场地多参数预测具有一定的指导意义。

基于小波变换和GA-BP神经网络的电力电缆故障定位

由于电力电缆敷设于地下,当发生故障时难以快速且准确定位,出现了故障定位问题。因此,提出一种基于小波变换和遗传算法反向传播(Genetic algorithm back propagation,GA-BP)神经网络的电力电缆故障定位方法,在分析对比各小波能量集中程度和波动次数的基础上,选择多贝西小波(Daubechies wavelet 6,Db6)作为小波基函数,对于各故障位置,采集正向故障行波的α模分量,并对其进行小波分解。选取在d1尺度下的模极大值点作为特征值,同时将故障距离作为标签值,从而构建了训练和测试样本数据集;利用遗传算法(Genetic algorithm,GA)的种群进化和全局最优搜寻能力来改善误差逆传播(Back propagation,BP)网络对初始权重敏感的缺点,并使用优化后的权值、阈值重新对BP神经网络进行训练和预测,最后通过与传统双端行波定位算法、BP算法、粒子群优化BP算法(Particle swarm optimization BP,PSO-BP)相比较,证明了所提方法在测距性能方面的优越性。

基于BP神经网络的高桩码头基桩损伤识别研究

针对高桩码头基桩的损伤识别问题,基于BP神经网络开展了损伤定位研究。传统损伤定位方法在识别过程中受到人为主观因素的干扰,且对于只有一阶模态数据的情况定位效果有限。为克服这些问题,构建了不受人为因素影响的损伤定位神经网络,以第三类损伤指标ULSC和δFC作为训练样本,实现了对基桩局部损伤的准确定位。在建立合理的高桩码头有限元模型的基础上,构建了基于BP神经网络的损伤定位模型,并使用ABAQUS模拟数据和实测振动信号数据进行训练和测试。实验结果表明,该神经网络模型具有较高的定位准确性和鲁棒性,在不同损伤工况和10%噪声水平下仍表现优异。

综掘面风流调控下的瓦斯与粉尘浓度双目标预测模型研究

针对综掘面瓦斯和粉尘浓度预测能力不足,导致瓦斯粉尘积聚难以提前解决,造成风筒出风口风流调控降尘排瓦效果不佳的问题,采用层次分析法确定了瓦斯和粉尘浓度分布的关键影响因素,建立了7-11-3结构的双目标预测神经网络模型,并进行出风口距端头5 m和10 m工况下的应用测试,结果表明:模型误差率最大9.85%,最小0.27%。瓦斯浓度最高降低了45%,粉尘浓度最高降低了40%,有效预防了瓦斯和粉尘浓度的积聚问题。

基于GRU-CNN双网络输出构建BP模型的径流预测方法

提高径流预测精度是避免洪水灾害发生的重要手段,由于预测阶段并无已知有效样本,给预测工作带来难度,因此,提出以双网络输出为预测阶段提供数据参考,结合训练阶段双网络输出与真实值之间的关系,对预测阶段采用二次多变量建模实现径流预测。首先,构建GRU和CNN深度学习网络,同步输出2条径流预测序列;其次,在已知时段内,构建2条预测结果与实测值之间的多变量BP模型;最后,基于双网络输出预测值,通过确定的BP模型输出径流预测结果。经测试,该方法给预测时段提供了可靠的先验样本,高效学习了网络输出与真实值之间关系,预测精度显著提升。

双循环背景下石化企业供应链韧性评价研究——基于AHP-BP方法

随着环境不确定性的提高,中国石化企业供应链稳定性需求日渐攀升,供应链韧性评价已经成为判断石化企业风险应对能力的重要手段。基于双循环背景,通过构建石化企业供应链韧性评估指标体系,利用层次分析法和BP神经网络,对石化企业供应链韧性强度进行评估,确定了供应链韧性水平。结果表明,各石化企业的供应链韧性强度存在较大差异,供应链韧性整体水平偏低。在研究结果的基础上,对韧性供应链锻造提出了切实可行的建议。

基于拌和生产数据的BP神经网络混凝土抗压强度预测

为解决混凝土生产中抗压强度试验周期长及工程管理存在滞后性的问题,提出了一种基于混凝土拌和生产实时监控数据的BP神经网络混凝土抗压强度预测模型。以混凝土拌和生产中的8项物料生产称重数据和5项生产配比数据作为预测输入变量,建立200组混凝土拌和站生产监控数据和对应的抗压强度试验数据样本集,按照6∶2∶2比例划分为训练集、验证集和测试集;分别以C40配比混凝土拌和生产的8项物料称重数据和全部13项数据作为输入变量,进行混凝土28 d抗压强度预测,将预测结果与实际试验结果进行比较,验证所提出BP神经网络模型的预测效果。结果表明:所提出的BP神经网络混凝土强度预测模型能较好地实时预测混凝土28 d抗压强度,且相对误差优于利用7 d抗压强度试验数据估算值;8项物料称重数据作为输入变量的BP神经网络预测模型预测精度更好,平均绝对百分比误差为0.82%,均方根误差为0.52 MPa;利用不同拌和站C20配比、C30配比混凝土拌和生产监控数据对8项输入变量BP神经网络混凝土抗压强度预测模型进行适应性验证可知,其预测平均绝对误差均在0.5 MPa之内,平均绝对百分比误差均小于2%,与C40配比预测误差一致;该预测模型充分挖掘了混凝土拌和站生产实时监控数据的价值,实现了传统混凝土抗压试验结果提前化,对提高工程建设质量水平具有重要意义。

基于CSSA-BPNN模型的胶结充填体动态抗压强度预测

充填采矿法二步骤回采时胶结充填体稳定性受爆破扰动而降低。为快速准确地获得充填体动态抗压强度,利用分离式霍普金森压杆(SHPB)进行了40组不同应变率的单轴冲击实验,以灰砂比、充填体密度、养护龄期和平均应变率作为输入参数,充填体动态抗压强度作为输出参数,建立了一种基于Logistic混沌麻雀搜索算法(CSSA)优化BP神经网络(BPNN)的预测模型,并与传统BPNN和麻雀搜索算法优化的BPNN进行了对比分析。结果表明:CSSA-BPNN模型的平均相对误差为4.11%,预测值与实测值之间拟合的相关系数均在0.96以上,模型预测精度高。CSSA-BPNN模型的均方根误差为0.395 0 MPa,平均绝对误差为0.359 2 MPa,决定系数为0.995 2,均优于另外两种预测模型。实现了对充填体动态抗压强度的准确预测,可大幅减小物理实验量,为矿山胶结充填体的强度设计提供了一种新方法。

交通荷载下煤矸石路基填料累积变形PSO-BP神经网络预测模型

基于煤矸石路基填料大型动三轴试验结果,采用灰色关联分析法分析累积变形影响因子,确定了围压、压实度、级配参数、循环荷载振动次数4个特征参数。引入PSO算法对BP神经网络的权重、阈值进行全局寻优并赋值,提出了一种煤矸石路基填料累积变形PSO-BP神经网络预测模型。与传统BP神经网络模型对比结果验证了该预测模型的可行性和优越性,并通过不同学习程度下模型的预测效果分析了模型的泛化能力,证明了模型的预测潜力。

水稻作物产量预测模型的研究——基于多源数据回归模型

水稻是我国重要的粮食作物之一,在我国不同农业生产区域都有种植,实现水稻产量的精准预测对于稳定我国粮食安全具有重要意义。为了改良传统产量预测方法,实现水稻产量高效预测,基于主成分分析法提取主成分,再将主成分作为BP神经网络模型的输入,对水稻种植面积较大的黑龙江省、江苏省、湖南省和湖北省2011-2020年的数据进行预测分析。研究结果表明:水稻产量与月最高土壤温度、月最低土壤温度、月土壤平均温度、月大气最高温度、月大气平均温度、月平均大气湿度为极显著相关,与月降雨量显著相关,与月大气最低温度相关性较弱。主成分分析与BP神经网络组合模型下,水稻产量的预测精度明显高于传统BP神经网络模型,R^(2)达到0.86,MAPE仅为0.97%,RMSE为0.93,预测值与试验值之间拟合程度较高,模型验证结果表明模型预测结果准确稳定。研究结果对于更加科学、合理地预测水稻产量具有重要的指导意义。