基于MAE神经网络的测井曲线地层自动识别方法

针对目前计算机自动分层识别准确率低,人工分层效率不高的问题,提出了一种基于掩码自编码器(MAE)神经网络算法的地层分层识别新方法。通过测井曲线优选,以自然电位、自然伽马、声波时差、电阻率、井位坐标和补心海拔作为输入特征变量进行模型训练及预测,再利用损失函数、准确率、精确率、召回率、F1值进行模型性能评估。研究结果表明:(1)基于MAE神经网络训练得到地层分层识别模型,预测准确率能够达到95.54%;(2) MAE神经网络模型与卷积神经网络和关注分层边界的卷积神经网络模型进行地层分层实验对比,MAE神经网络模型的性能和预测精度均较高,准确率分别提高了8.30%和6.32%,且无地层紊乱情况出现,具有明显分层优势;(3) MAE神经网络模型应用于未知井的地层分层中,自动分层预测准确率为98.07%。表明该方法具有较高的地层识别效果,为油田地层识别提供了一种基于自监督神经网络算法的理论支持和有益探索。

MAE-SPME联合提取GC-MS检测草莓果实中的香气成分

分别采用溶剂萃取法(SE)、固相微萃取法(SPME)和微波辅助-固相微萃取(MAE-SPME)联用技术等前处理方法提取草莓果实中香气物质,通过气相色谱-质谱(GC-MS)联用仪对挥发性成分进行了分离鉴定。结果表明,不同的前处理方法所得结果相差甚远,MAE-SPME联用技术前处理方法提取后,可鉴定到85种化合物,其中酯类53种,其他依次是醛类、酮类、醇类、酸类、醚类、烯烃、芳香烃和杂环化合物等;而用SE法、SPME法提取,分别仅鉴定到26种和16种香气物质。说明微波辅助-固相微萃取两种技术联用,是一种能较好地提取果蔬中香气物质的样品前处理技术。

MAE-SAFE-GC-MS法分析道口烧鸡挥发性成分

采用微波辅助萃取耦合溶剂辅助风味蒸发法对道口烧鸡的挥发性成分进行提取。采用气相色谱-质谱结合保留指数定性分析道口烧鸡挥发性成分,共鉴定出98种化合物,包括11种醇、17种醛、9种酮、11种含氮、含硫及杂环化合物、3种酸、5种酯、4种醚、36种烃和2种酚。可能对道口烧鸡特征香气的形成起关键作用的有4-萜烯醇、糠醇、肉桂醇、己醛、苯甲醛、反-2-癸烯醛、2,4-癸二烯醛、大茴香醛、肉桂醛、丁香酚、茴香脑、肉豆蔻醚、2,3-二氢-3,5-二羟基-6-甲基-4H-4-吡喃酮等。

MAE-SAFE/GC-MS分析酱牛肉挥发性成分

采用微波辅助萃取耦合溶剂辅助风味蒸发法提取酱牛肉挥发性成分,利用气相色谱-质谱联用仪结合保留指数定性分析酱牛肉的挥发性成分,共鉴定出65种化合物,包括11种醇,10种醛,3种酮,8种含氮、含硫或杂环化合物,9种酸,6种酯,3种醚,14种烃和1种酚。采用嗅闻频率检测法对酱牛肉挥发性成分进行GC-O分析,嗅觉检测频率≥5/11的化合物有壬醛、5-甲基糠醛、薄荷酮、茴香脑、麦芽酚、反-肉桂醛、肉桂醇。

茶饮料浸提工艺的微波辅助萃取(MAE)应用研究

浸提工艺是茶饮料生产过程一个关键生产工艺。本文比较了传统热水浸提工艺和微波辅助萃取工艺之间的最优工艺参数,并利用高效液相色谱分析方法研究了微波萃取对茶多酚浸出得率和单体组成的影响,表明微波萃取技术(Microwave-assistedextraction,MAE)可应用在茶饮料生产中,而且比传统热水浸提工艺省时节能。结果表明:传统热水浸提工艺的最优浸提温度90℃、时间43min、液固比20:1,茶多酚的得率为19.76%;微波辅助萃取工艺的最优浸提功率360W、时间3.5min、液固比25:1,茶多酚的得率为20.63%。微波短时处理茶叶不会对茶多酚的结构和单体组成产生破坏性影响。

用磁声法MAE检测钢结构构件应力的机理和应用

分析了磁声发射的产生与接收、磁声发射与磁致伸缩、磁声发射的应力检测机理,应力对磁声发射的影响,磁声发射的检测系统等几个方面.从这些方面说明了用磁声发射来实施应力检测是可行的.证明磁声发射的强度既受外磁场变化影响,又受应力变化影响,并且磁声发射的变化幅度与所受应力大小有一定的关系,据此可为磁声发射检测铁磁材料的应力状态提供依据.但由于磁声发射的强度和施加于构件上应力状态的关系比较复杂,所以结合磁声发射和巴克豪森BN两种方法各自优点的应力检测更比看好.

MAE法萃取薄荷挥发油的研究

以正戊烷为溶剂,采用微波协助萃取技术(MAE),对影响薄荷挥发油萃取的4个因素进行了研究。结果表明:影响薄荷挥发油萃取各因素由强到弱排序依次为溶剂用量、微波处理时间、烘干温度、溶剂浸泡时间。20 g薄荷干粉采用溶剂浸泡时间3 h,溶剂用量400 mL,微波处理时间30 s,薄荷烘干温度为50℃的工艺参数组合,所获得的薄荷挥发油量最高,为352.10 mg,萃取率达1.76%。

基于多尺度散布熵的磁声发射信号特征识别方法

在工程中对设备进行应力检测和微损伤检测时,采集磁声发射信号易受噪声干扰,同时其特征的提取也存在困难,为此,将变分模态分解与散布熵相结合,提出了一种基于自适应多尺度散布熵的磁声发射(MAE)信号特征识别方法。首先,设计搭建了检测实验平台,采集了Q345钢静载拉伸实验中0 MPa~400 MPa应力状态下的MAE信号;然后,采用变分模态分解方法,对磁声发射信号进行了自适应分解,生成了一系列从低频到高频分布的本征模态函数(IMF)分量;其次,计算了每个本征模态函数分量的散布熵值,构建了MAE信号的特征向量矩阵;最后,将特征向量矩阵输入到基于支持向量机建立的识别分类模型中,进行了信号的训练和识别。研究结果表明:使用基于自适应多尺度散布熵的磁声发射(MAE)信号特征识别方法,能够自适应地实现MAE信号的多尺度化目的,并且准确地识别出不同应力状态下的信号特征,分类识别准确率高达95.3704%,验证了该方法的有效性;说明基于自适应多尺度散布熵和多分类支持向量机的信号特征识别方法能够快速且有效地识别不同应力状态,在信号特征识别方面具有较好的应用潜力。

微波辅助提取技术(MAE)研究和应用进展

微波辅助提取技术与传统技术相比在很多方面有其独特的优越性。本文综述了微波辅助提取技术的机理、特点、设备以及近几年来微波辅助提取在有机污染物、生化活性物质、金属等方面的研究和应用进展的研究报导。最后展望了微波辅助提取的发展前景。

Effect of Process Parameters of Microwave Assisted Extraction (MAE) on Polysaccharides Yield from Pumpkin

Process parameters of microwave assisted extraction （MAE） of the polysaccharides from pumpkin viz. extraction temperature, time and liquid-solid ratio were studied by using single factor and response surface methodology method. The results showed that the liquid-solid ratio was the most important factor in polysaccharides yield, followed the extraction temperature was the least important factor. The optimum microwave assisted extraction co by ndi extraction time, and tions for the highest polysaccharides yield from pumpkin （16.76%-4-0.38%） were obtained by using the response surface methodology with extraction time of 29 min, an extraction temperature of 79 ℃ and a liquid-solid ratio of 22 mL·g^-1. Validation experiment result well agreed with predicted value.

MAE-HS-SPME联合萃取GC-MS分析肉桂香气成分

采用微波辅助萃取与顶空-固相微萃取联合(MAE-HS-SPME)的方法萃取肉桂中香气成分,用气相色谱-质谱(GC-MS)法进行分析,并将分析结果与同时蒸馏萃取法(SDE)和HS-SPME法对比。结果表明,MAE-HS-SPME的最佳条件为:称取10g样品,加入100mL去离子水,微波功率为150W,用100μmPA萃取头萃取4.5min,250℃解吸20s。GC-MS分析确认了其中62种成分,占总峰面积的95.01%。3种萃取方法所得肉桂中主要香气成分基本相同,均为桂醛、α-荜澄茄烯、反式茴香脑和4,7-二甲基-1-异丙基-[1α,4aα,8aα]-1,2,4a,5,6,8a-六氢萘等。MAE-HS-SPME法鉴定的成分比HS-SPME和SDE法分别多出18种和26种。说明MAE-HS-SPME是一种分析肉桂中香气物质的高效的样品前处理方法。

小剂量MAE方案治疗难治与复发急性白血病

目的:探讨小剂量米托蒽醌(MTZ)、阿糖胞苷(Arc)联合依托泊甙(VP-16)治疗难治与复发急性白血病的疗效及毒副作用。方法:难治与复发急性白血病52例,应用小剂量MAE方案化疗,完全缓解后应用中剂量阿糖胞苷或预激方案巩固。结果:22例急性非淋巴细胞白血病中,10例(45.5%)达完全缓解(CR),2例(9.1%)部分缓解(PR),总有效率为54.5%;30例急性淋巴细胞白血病中,9例(30.0%)CR,2例(6.6%)PR,总有效率为36.6%。毒副作用主要是骨髓抑制、恶心、呕吐。结论:小剂量MAE方案治疗难治与复发急性白血病的疗效较好,毒副作用较轻。

MAE-LC-AFS测定鸡蛋中阿散酸、洛克沙砷、硝苯砷酸

建立微波辅助萃取-液相色谱-原子荧光光谱法(Microwave Assisted Extraction-Liquid Chromatography-atomic Fluorescence Spectrometry,MAE-LC-AFS)测定鸡蛋中阿散酸(Arsanilic,ASA)、洛克沙砷(Roxarsone,ROX)、硝苯砷酸(Nitarsone,NIT)的分析方法。研究并优化液相色谱和原子荧光的工作条件。在0~2.0 mg/L范围内阿散酸、硝苯砷酸和洛克沙砷的线性关系良好,线性相关系数大于0.999,阿散酸、硝苯砷酸、洛克沙砷检出限(S/N=10)分别为0.1、0.2、0.2 mg/kg。阿散酸在0.1、0.2、0.5 mg/kg 3个加标水平下的平均回收率为80.5%~91.0%,相对标准偏差为3.14%~3.77%;硝苯砷酸和洛克沙砷在0.2、0.5、2 mg/kg,3个加标水平下平均回收率为81.0%~91.1%和82.5%~104.9%,相对标准偏差为2.72%~4.02%和1.81%~7.52%。

HAE、DAE、MAE方案治疗急性单核细胞白血病的临床比较

目的 比较HAE、DAE、MAE三种化疗方案治疗急性单核细胞白血病 (M 5 )的临床疗效与副作用。方法 对初治的M 5型白血病分别采用HAE、DAE、MAE三种不同的方案进行化疗。结果 HAE、DAE、MAE三种化疗方案的有效率分别为 5 0 %、80 %、90 %。MAE方案骨髓抑制的发生率高 ,但心脏、消化道等方面的副作用略低于其它两组。结论 MAE方案可作为急性单核细胞白血病诱导化疗的一线方案。

基于深度流形学习的人脸年龄识别

现有的人脸年龄识别方法大多利用深度学习框架提取人脸特征来识别年龄,但深度学习方法提取的高维人脸特征往往包含大量的冗余信息,不利于人脸年龄的识别。为了提高人脸年龄识别算法的精度和鲁棒性,提出了一种基于深度流形学习(Deep Manifold Learning, DML)的算法,采用深度学习提取人脸特征,通过流形学习选择具有判别性的人脸特征,将深度学习提取的高维人脸特征嵌入到低维的判别子空间上识别年龄。在公开的人脸数据库MORPH和FG-NET上对DML算法进行了实验,结果表明DML方案平均绝对误差(Mean Absolute Error, MAE)大幅度降低,不同误差值下识别累积评分(Cumulative Score, CS)明显提高,显著优于当前流行的人脸年龄识别方法。

石油醚结合MAE技术萃取薄荷挥发油的研究

对影响薄荷挥发油萃取的浸泡时间、溶剂用量、微波处理时间和烘干温度4个因素进行了研究。结果表明,各因素对挥发油萃取率的影响由强到弱依次为:浸泡时间>烘干温度>溶剂用量>微波处理时间。薄荷挥发油萃取最佳组合为A3B3C2D1,即浸泡时间5h、溶剂用量600mL、微波处理时间40s、烘干温度30℃。该组合挥发油萃取率为2.23%。

MAE-SPME萃取绞股蓝化学成分技术及含量测定的研究

通过气相色谱-质谱法对绞股蓝挥发性成分的鉴定和其相对含量的测定,建立了绞股蓝挥发性成分萃取方法,优化了微波辅助提取-固相微萃取联用技术的萃取条件,共鉴定出化合物48种,包括酮、醇、酸、烃、酚、糖、醛、酯、醚、酰胺及杂环化合物等11类化合物,其中糖类占已确认化合物总量的25.06%,酮类化合物21.73%,烃类占15.01%,醛类占14.31%,醇类占13.86%,酸类占13.45%,酯类占10.93%。结果表明,该技术可以简便、快捷、准确地进行绞股蓝挥发性成分的分析鉴定。

MAE-分光光度法测定大白口蘑中总黄酮含量

[目的]采用微波辅助萃取(MAE)法提取、以分光光度法测定大白口蘑样品中的总黄酮含量。[方法]通过单因素试验和正交试验考察乙醇浓度、液固比、微波功率、微波时间等因素对微波辅助萃取法提取大白口蘑黄酮提取率的影响。对微波法与乙醇浸提法、超声波萃取法进行了比较。[结果]微波萃取法最佳提取条件:乙醇浓度60%、液固比40∶1、微波功率255 W、微波时间5 min。最优条件下,精密度和回收率试验所得结果的相对标准偏差为1.24%(n=6),回收率在98.1%～103.7%。微波法优于乙醇浸提法和超声波萃取法。[结论]MAE-分光光度法简单、可靠,重现性好,稳定性好,可广泛用于各种食用菌中黄酮类物质含量的测定。

嵌入式Linux下的AU 1200 MAE驱动程序设计

媒体加速引擎是AlchemyTM AU 1200的片上硬件设备,主要完成图像及视频的解码。为了能在嵌入式Linux下使用媒体加速引擎完成视频的硬解码,在此介绍了该设备的硬件结构,以及在嵌入式Linux下构建其开发环境的方法和过程,包括主机开发环境的构建,交叉编译工具的使用以及交叉编译的过程,并重点介绍媒体加速引擎驱动程序的设计,交叉编译,加载到Linux内核以及应用测试的整个流程。经测试,该驱动程序可动态加载入Linux内核并成功驱动媒体加速引擎,从而可将其应用于媒体播放器完成视频的硬解码功能。

MSE与MAE对机器学习性能优化的作用比较

机器学习是人工智能的核心,是目前使计算机具有人工智能的根本途径。笔者在介绍了应用于机器学习优化的损失函数MAE与MSE机理的基础上,给出了Python实现上述函数的参考代码,说明了各损失函数的适用情况,进行了各函数在机器学习优化方面的性能比较。