湖南产地9种禽肉类及制品中氨基酸组成及营养评价

目的分析评价湖南产地9种禽肉类及制品中氨基酸组成及含量。方法分别采用Kjeltee2300自动凯氏定氮仪和曼默博尔A300全自动氨基酸分析仪,对湖南产地9种禽肉类及制品的蛋白质和氨基酸进行测定并进行氨基酸成分分析;采用氨基酸评分法对营养价值进行评价。结果除了珠梅土鸡不含蛋氨酸外,其余禽肉类及制品均含17种氨基酸;蛋白质、氨基酸及必需氨基酸含量3者均最高的为肠衣鸭掌,分别为35.20、29.55、10.05 g/100 g;9种禽肉类及制品的必需氨基酸中赖氨酸含量最高,分别为?子粑蒸鸡(1.35 g/100 g)、珠梅土鸡(0.86 g/100 g)、酸辣鸡(1.15 g/100 g)、茶油蒸伏鸭(1.62 g/100 g)、肠衣鸭掌(2.09 g/100 g)、武冈血浆鸭(1.22 g/100 g)、野葱炒鸭蛋(0.64 g/100 g)、岩鸭火锅(0.86 g/100 g)和烤铜鹅(1.24 g/100 g);9种禽肉类及制品的赖氨酸含量均高于世界卫生组织(World Health Organization,WHO)/联合国粮农组织(Food and Agriculture Organization,FAO)模式(55 mg/g蛋白)和卵清蛋白模式(55 mg/g蛋白),分别为?子粑蒸鸡(66.18 mg/g蛋白)、珠梅土鸡(76.79mg/g蛋白)、酸辣鸡(75.16mg/g蛋白)、茶油蒸伏鸭(71.37mg/g蛋白)、肠衣鸭掌(59.38mg/g蛋白)、武冈血浆鸭(63.87 mg/g蛋白)、野葱炒鸭蛋(75.29 mg/g蛋白)、岩鸭火锅(69.35 mg/g蛋白)和烤铜鹅(62.94 mg/g蛋白);9种禽肉类及制品的限制氨基酸为异亮氨酸或缬氨酸或苯丙氨酸+酪氨酸。结论禽肉类及制品中赖氨酸含量优异,具有较高的营养价值;可以通过与富含异亮氨酸、缬氨酸或苯丙氨酸和酪氨酸的食物等进行结合食用,构建合理膳食,提高食用价值。

“4·29”特别重大房屋倒塌事件舆情主题聚类及演化研究

研究房屋倒塌突发事件舆情主题及演化规律,可为应急主管部门引导和调控舆情提供实践指导。以长沙“4·29”特别重大房屋倒塌事件为对象,收集新浪微博平台上事件发生后8 d内的网民评论,运用词频逆文本频率(Term Frequency-Inverse Document Frequency,TF IDF)算法提取关键词,计算共现频率并刻画共现网络关系,耦合困惑度与K均值聚类(K Means)算法进行舆情主题聚类;采用对应分析方法,识别舆情主题的相关性,探究舆情主题随时间的热度变化趋势,揭示房屋倒塌事件舆情主题演化规律。结果表明:通过聚类得到的7个舆情主题依据相关性可耦合为救援善后T_(1)、调查追究T_(2)、安全防范T_(3)三大主题;以流言传播、官方召开发布会为最佳节点,将舆情传播划分为演化特征不同的前期、中期和后期。其中,前期主题T_(1)占优,中期主题T_(2)、T_(3)占优,后期主题T_(1)再次占优。通过类比分析化工爆炸事件舆情演化特征,验证了主题T_(1)、T_(2)、T_(3)对突发公共事件舆情演变起关键作用,满足公众对主题T_(1)、T_(2)和T_(3)的信息诉求是舆情平缓的关键。研究成果可为类似突发公共事件舆情治理提供参考。

超高效液相色谱-串联质谱法测定果蔬汁类及其饮料中22种镰刀菌属毒素

目的建立果蔬汁类及其饮料中22种镰刀菌属毒素的超高效液相色谱-串联质谱法(ultra performance liquid chromatography-tandem mass spectrometry,UPLC-MS/MS)检测的分析方法。方法样品经水和乙腈提取,QuEChERS净化,氮吹至近干,1mL80%乙腈水(体积分数)复溶,采用WatersACQUITYUPLCCSH Phenyl-Hexyl反相色谱柱(100 mm×2.1 mm,1.7μm)梯度分离,以乙腈和0.1%甲酸水(2 mmol/L甲酸铵)为流动相进行梯度洗脱,UPLC-MS/MS在正、负离子模式下多反应监测,基质配制外标法定量。结果22种镰刀菌属毒素在线性范围内,线性关系良好,决定系数(R2)均大于等于0.985,回收率在60.1%~119.7%之间,相对标准偏差在2.64%~15.53%之间。结论该分析方法具有前处理方式简单、分析时间短、灵敏度好、准确度高、杂质干扰小等特点,可以用于果蔬汁类及其饮料中22种镰刀菌属毒素的检测。

基于聚类及长短时记忆神经网络预测油田产量

利用机器学习方法预测油田产量的精度与训练样本的代表性及数量息息相关。通常,采用油田生产数据或者油井生产数据构建训练样本。将油田作为训练样本,存在“小样本”的问题;将油井作为训练样本,由于老油田一般具有开发层系多、生产历史长、油井投产批次多等特点,人工标注能够代表油田产量递减规律的训练样本难度大,且耗时费力。本文将油田和油井生产数据有机融合构建训练样本,建立产量智能预测模型,预测油田产量。首先,采用无监督学习的K均值聚类算法,依据有效厚度、孔隙度、渗透率、饱和度等信息对油井进行聚类分析,识别产量递减类别,并将每类油井转换成一口典型油井作为该类油井的代表;其次,将典型井作为预测对象,通过从每类油井中按比例随机抽取油井来增加训练样本数量,即将典型井和油井生产数据融合构建训练样本;最后,基于长短时记忆循环神经网络建立模型预测典型井产量,进而预测油田产量。研究结果表明:该方法既解决了油田数据作为训练样本的“小样本”问题,又降低了油井数据作为训练样本的标注难度与工作量,并且精度符合现场生产要求,对油气产量智能预测的工程化落地应用具有一定指导意义。

主成分分析结合Box-Behnken响应面法优选旋覆代赭汤中酚酸类及黄酮类成分纯化工艺

目的优选旋覆代赭汤中酚酸类及黄酮类成分分离纯化工艺。方法以洗脱流速、醇洗体积分数和醇洗体积为考察因素,采用Box-Behnken响应面法设计试验,HPD400型大孔树脂分离纯化旋覆代赭汤中酚酸类(6个)、黄酮类(3个)成分,超高效液相色谱(UPLC)法测定洗脱液中各成分的含量,紫外-可见分光光度(UV-Vis)法测定洗脱液中总黄酮质量分数。通过主成分分析结合Box-Behnken响应面法,评价模型,预测最佳纯化工艺并验证。结果最佳纯化工艺为,流速2.6 mL/min,醇洗体积分数53%,醇洗体积为2.4 BV。经验证,最佳纯化工艺下总黄酮质量分数为(69.33±1.66)%,绿原酸、咖啡酸、异槲皮苷、异绿原酸B、异绿原酸A、1,5-二咖啡奎宁酸、异鼠李苷、异绿原酸C、槲皮素含量分别为(2.67±0.04)μg/mg、(15.34±0.27)μg/mg、(12.36±0.17)μg/mg、(16.01±0.22)μg/mg、(18.25±0.22)μg/mg、(96.24±1.44)μg/mg、(6.85±0.07)μg/mg、(22.55±0.35)μg/mg、(5.78±0.07)μg/mg。结论优选的大孔吸附树脂纯化旋覆代赭汤中酚酸、黄酮类成分工艺稳定可行,可为进一步药效学研究提供参考。

自适应邻域密度聚类及事故黑点识别应用

聚类作为识别交通事故黑点的主要方法之一,其主要问题是交通事故多发区事先无法确定,即无法提前知道聚类簇数。利用样本点之间的连接概率定义了数据点的局部密度,根据局部密度大小来确定聚类中心和簇数,再对数据点进行聚类。结果表明:一是算法对参数不敏感,具有较好的通用性;二是算法能自动确定聚类簇数;三是算法聚类过程只依赖局部密度与邻接点,能够识别噪声点,提升结果的准确性。运用算法在一些真实数据集上进行试验,将聚类结果与其他算法结果利用评价指标ARI(Adjusted Rand Index)和NMI(Normalized Mutual Information)进行比较。最后利用算法对美国6个州的交通事故进行聚类,结果表明算法对交通事故有较好的适应性,能将城市及周边道路上事故密集区域准确识别出来。

基于深度学习的驾驶倾向性分类及辨识方法

为了进一步研究网联交通环境下驾驶人驾驶倾向性动态变化特性,提出一种基于深度学习的驾驶倾向性分类及辨识方法。首先提取车速、加速度标准差、车头时距等车辆运动状态参数,设计调查问卷;采用k均值聚类算法对驾驶倾向性初步分类,并校正车辆状态相关特征参数,然后建立一种考虑注意力(Attention)机制的双向长短时记忆神经网络(BiLSTM)驾驶倾向辨识模型,识别周围车辆的驾驶倾向性,最后搭建对照模型,比对模型识别精度。结果表明,考虑注意力(Attention)机制的双向长短时记忆神经网络(BiLSTM)模型辨识精度达89.74%。相较于支持向量机(SVM)模型和人工神经网络(ANN)模型,准确率进一步提升,可实现动态驾驶倾向性的精准高效识别。

基于BiLSTM算法的课程评论情感分类及其成因探究

设计了一种基于BiLSTM算法的中文评论情感分类模型,针对在线教育平台的学生评论进行情感分析,分为“Positive”“Negative”和“Neutral”三类。利用网易云课程平台的评论数据,结合Bert预训练模型进行词向量训练。结合SVM分类原理与重采样技术进行模型优化,实验结果显示优化后的模型在精确率、准确率、召回率和F1值上表现优异。通过层次聚类与语义网络分析,可视化展示评论的情感成因,为课程改进提供科学依据。

基于SOM特征聚类及RBF神经网络的电力负荷预测方法研究

为了提高电力系统负荷预测的精度,维护电力系统运行的安全稳定性,提出一种基于特征向量的自组织映射聚类和改进的径向基函数神经网络相结合的电力负荷预测模型。通过提取能够体现每日电力负荷特性的特征向量,对样本进行聚类,采用具有相似特征的数据作为神经网络的训练样本,提高了样本规律性。采用粒子群算法(particle swarm optimization,PSO)修正神经网络粒子群速度及位置,以克服梯度下降、局部最优等问题对网络预测精度的影响。基于某地配电网电力负荷数据,验证了所提模型的有效性及良好的适应性。

海量数据环境下的层次聚类及并行化方法研究

文中研究了海量数据环境下层次聚类及并行化方法。通过扩充模糊度,可以解决海量数据集中存在的信息失真问题。通过最小化加权距离来进行聚类,能在合并过程中不增加数据对象的模糊度。对数据进行分区,并计算各区域的最近邻边界。应用最近邻边界对聚类算法进行改进,使用并行分布式计算框架来加速层次聚类,对相似度较高的数据进行合并,以提升聚类效果。实验结果表明,实验组的流量收敛曲线呈现出较高的趋势,网络流量达到60000 bit;实验组的网络延迟保持在70sec以下。通过并行处理,可以更有效地利用计算资源,减少等待时间和延迟,达到良好的应用效果。

不同种类及浓度植物生长调节剂对苹果幼树控旺和促花的影响

【目的】探讨不同种类、不同浓度植物生长调节剂处理对矮砧密植苹果幼树的控梢效果及次年成花的影响。【方法】以红富士苹果为试材,喷施不同浓度的乙烯利、多效唑、烯效唑、矮壮素,定期测量新梢长度、粗度等果树生长指标;待第2年展叶后,测定各处理的花芽形成情况。【结果】与对照相比,外源喷施不同种类、不同浓度植物生长调节剂均会不同程度地抑制红富士1年生枝条的生长,其中200倍烯效唑调控效果最好,能够显著抑制枝条的生长、增加枝条粗度、促进树体抽生中短枝、促进花芽的形成。【结论】200倍烯效唑可应用于红富士苹果控旺促花的调控。

微种植体支抗治疗安氏Ⅰ类及Ⅱ类上颌前突青少年患者的矫治效果分析

目的:探讨微种植体支抗对安氏Ⅰ类及Ⅱ类上颌前突青少年患者的矫治效果。方法:回顾性分析2019年6月-2022年1月笔者医院就诊的60例安氏Ⅰ类及Ⅱ类上颌前突青少年患者的临床资料。按照治疗方式分组:对照组(30例)给予传统支抗治疗,研究组(30例)给予微种植体支抗治疗。比较两组治疗前后头影测量项目及咀嚼功能变化,统计矫治时间及不良反应发生情况。结果:治疗后6个月,研究组ANB角、U1-NA角、U1-NA、U1-X、U1-Y、A-Y、UL-Y、L1-Y低于对照组,鼻唇角、U1-L1角高于对照组(P<0.05);研究组上切牙内收量(6.82±2.03)mm,高于对照组的(4.65±1.12)mm(P<0.05)。治疗后1年,研究组牙齿咬合力、咀嚼效率高于对照组(P<0.05);治疗期间,研究组牙齿排齐整平时间、拔牙间隙关闭时间及精细调整时间短于对照组(P<0.05);研究组不良反应发生率为6.67%,低于对照组的26.67%(P<0.05)。结论:微种植体支抗对安氏Ⅰ类及Ⅱ类上颌前突青少年患者有较好矫治效果,能促进前牙内收,改善咀嚼功能,且矫治时间短,不良反应少。

基于K-means聚类及模糊判别的卷烟包灰性能综合评价方法

为实现卷烟包灰性能的综合评价和评价结果具象化,以49个卷烟的灰色、裂口率、缩灰率、碳线宽度、碳线整齐度测定结果为原始变量,先运用K-means聚类、模糊判别法将原始变量转换为具象化的得分数据,再运用Critic赋权法赋予各项指标权重,建立了一种卷烟包灰性能综合评价方法。结果表明:将原始变量转换成区间为60~100、平均值在80左右的得分,可使评价结果具象化且更加符合认知习惯;5项指标的权重由高到低依次为裂口率(0.27)>缩灰率(0.25)>灰色(0.18)>碳线整齐度(0.16)>碳线宽度(0.14);卷烟包灰性能可划分为优、良、差三档,各档得分区间依次为(85,100]、[75,85]、[60,75);不同档次代表性卷烟的灰柱视觉效果对比结果证明,综合得分可客观反映卷烟包灰性能的优劣。

基于机器学习算法的块石形状分类及土石混合体数值模拟

现有块石形状特征的数值模型或过于简化块石形状或未进行块石形状的频率统计,为此基于主成分分析算法(PCA)和K均值聚类算法,提出新的建模方法.利用Matlab对土石混合体断面照片进行数字图像处理,得到块石轮廓样本;对块石轮廓进行形心原点化、长轴水平化、最大极径归一化等标准化处理,得到标准化后的块石轮廓向量.分别采用PCA和K均值聚类算法对块石轮廓向量进行降维和聚类,对得到的分类块石形状进行频率统计.建立考虑块石形状分类及频率、颗粒级配、块石倾角的土石混合体随机模型,进行双轴压缩数值模拟,分析塑性应变和应力-应变曲线特征.在较高含石量和较大块石粒径情况下比较模型的变形和抗压强度,考虑块石形状的土石混合体模型与传统含多边形块石的土石混合体模型差异明显.

骨性Ⅲ类偏颌畸形牙骨特征、分类及治疗相关研究进展

随着人们对美学需求的增加,偏颌畸形逐渐成为一项重要的临床问题。骨性Ⅲ类偏颌畸形不仅会影响面部美观,同时会对口腔功能产生不良影响。偏颌畸形的成因复杂,表现多样,在硬组织方面主要表现为面部各单元的空间位置不对称、颌骨形态不对称以及牙列代偿性变化等。基于偏颌患者综合颌面特征的分类对于诊断、治疗和手术计划至关重要。该文旨在对骨性Ⅲ类偏颌畸形的牙骨特征、分类和治疗研究进展进行综述,为临床诊断和治疗提供参考。

固相萃取-气相色谱-串联质谱技术测定船用残渣燃料油中酚类及脂肪酸甲酯类化合物

本文利用乙酸银修饰的氧化铝-硅胶材料制备固相萃取柱对船用残渣燃料油样品进行净化分离,结合气相色谱-串联质谱技术,使用DB-35 MS UI色谱柱分离,多反应监控模式,内标法定量测定酚类及脂肪酸甲酯(FAME)类化合物。对影响酚类和FAME类化合物的进样方式、萃取溶剂的选择、固相萃取柱类型的选择以及淋洗和洗脱条件进行了优化,建立了船用残渣燃料油中酚类及FAME类化合物的测定方法。方法在浓度0.05~2.5μg/mL范围线性良好,具有检出限(0.1~1.2 mg/kg)和定量限(0.3~4.0 mg/kg)低,稳定性好和萃取效率高,以及基质效应不显著等优势。通过用不含目标物的空白燃料油配制0.10、0.50、2.50 mg/L浓度水平的试样考察方法的可靠性,获得满意的回收率(85.5%~115.4%)和相对标准偏差(RSD≤6.2%)。实验结果表明,建立的方法可实现船用残渣燃料油中酚类及FAME类化合物的有效检测。另外,劣质船用燃油存在不少的酚类和FAME类物质,高浓度苯酚、甲酚、二甲酚、对枯基苯酚、脂肪酸甲酯等物质可能是导致船舶油泵损坏的重要原因。

基于相似日聚类及模态分解的短期光伏发电功率组合预测研究

短期光伏发电功率预测是电站制定发电计划并进行调度的重要组成部分,有助于电力系统的动态稳定。针对光伏时序预测中存在的噪声干扰及单一模型预测效果不稳定等问题,该文提出一种基于改进型自适应白噪声的完全集合经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)的组合预测模型。首先,利用相关系数提取重要气象特征,并采用模糊C均值聚类(fuzzy C-means clustering,FCM)将原始数据集划分为晴天、晴转多云和雨天。其次,每种相似日以最后一天为待预测日,其余为历史训练集;利用ICEEMDAN将历史训练集分解成若干个较为规律的子序列,并用排列熵(permutation entropy,PE)对各子序列进行重构。最后,高频项采用由卷积神经网络(convolutional neural network,CNN)、(bidirectional gated recurrent unit,Bi GRU)双向门控循环单元与注意力机制组合而成的CNN-BiGRU-ATTENTION神经网络预测,低频项和趋势项采用最小二乘支持向量回归机(least squares support vector regression,LSSVR)进行预测,将预测结果叠加得到最终光伏发电功率预测值。通过实例验证:该文组合模型在不同天气条件下,可以解决单一模型预测精度低、预测效果不稳定等问题;相比其他模态分解,能够更精确地预测波动较大的局部特征。

豆谷类及其制品辐照杀虫防霉剂量要求研究

[目的]研究豆谷类及其制品辐照杀虫防霉工艺，阐述吸收剂量确定的依据。[方法]根据国内外研究结果和国际上有关辐照豆谷类及其制品杀虫防霉工艺规范中的规定，采用60Co-γ射线对豆谷类及其制品进行辐照杀虫防霉处理。[结果]试验得出，确定豆类、谷类辐照杀虫最低有效剂量为0．3kGy，豆类、谷类及其制品类辐照防霉最低有效剂量为3．0kGy，最高耐受剂量为7．0kGy。确定豆谷类及其制品辐照杀菌的适宜剂量范围为3．0～5．0kGy。[结论]研究可为提高优质谷类及其制品卫生质量品质、规范辐照加工生产提供参考依据。

以G-四联体为靶点的卟啉类及其金属配合物抗肿瘤作用的研究进展

端粒作为一种生物钟,决定着细胞的增殖能力和细胞寿命。细胞每分裂一次,端粒DNA就会缩短一次,直至缩短到一定程度而终止分裂走向衰亡。同时,端粒酶则可以延伸端粒DNA来维持细胞的分裂能力。G-四联体是端粒DNA存在的一种特殊结构,可以有效阻止端粒酶与端粒相结合延伸端粒的过程。因此,只要促进G-四联体的形成或维持G-四联体的结构稳定就可以起到端粒酶抑制剂的作用,从而加速肿瘤细胞的凋亡。

道路施工作业区交通流相位分类及应用研究

为确定施工区交通流相位划分的最优聚类算法,本研究基于三相交通流理论,应用激光雷达、航空摄像等手段采集的施工区交通流运行数据,对PTV-Vissim仿真平台进行标定,搭建6种类型的施工区场景,通过仿真实验得到多样本的施工区交通流数据。论文选取层次聚类、高斯混合聚类、光谱聚类、DBSCAN聚类和K-Means聚类5种机器学习算法对施工区的交通流相位进行聚类,建立以轮廓系数、方差比准则和DB指数为基础的综合评分体系,并结合形态学评价方法判断各种聚类算法的优劣,选定层次聚类作为判定施工区交通流相位及其边界划分的最优方法,而后对交通流的相位形态作进一步分析。