冷却猪肉中特定腐败菌生长动力学参数的分析研究

把特定腐败菌接种到无污染的冷却猪肉表面,托盘包装分别置于0、4、7、10、14、20℃的温度下贮藏,研究不同温度时微生物生长的动力学参数及其关系。结果表明,冷却猪肉贮藏时比生长速率和延滞时间是特定腐败菌的主要特性,货架期与延滞时间（λ）呈正相关,相关性最高为0.991,与最大比生长速率呈负相关。随着温度由0℃升高到20℃,延滞时间逐渐变短,生长速度逐渐变快,产品的货架期由158 h降低到24 h。因此,在实际的生产、流通和销售过程中,不能完全保证产品始终处于0-4℃的低温,但是要严格控制温度不能超过20℃。

含有最大时距的搭接网络计算方法研究

实际工程项目中,工作之间的关系多为搭接关系,时距可能为最大时距,其计算过程也更为复杂。为了减少程序计算搭接网络时间参数和关键线路的所需时间,将网络中FTF,STS,STF,FTS这4种简单逻辑关系以及2种常见的FTF&STS和STF&FTS组合逻辑关系全部转化为FTS逻辑关系,引入虚拟时距工作的概念,将搭接网络转化为传统的衔接网络。并采用衔接网络的时间参数计算公式和最大时距的检验法则,得出转化后的衔接网络的时间参数,所得的各实工作的时间参数值和关键线路与用一般方法直接计算出的结果一致。基于这种新的算法编制计算CPM分析程序进行PERT分析时,将会缩短其计算时间,提高决策效率。

逆向供应链生产运作研究

针对传统生产模式存在的弊端,结合目前国内外逆向供应链研究的现状,提出了一种集成制造与再制造模式的逆向供应链生产运作模型。研究了再制造的存在条件,分析了组件恢复比率和回收产品平均滞后期对产品最大收益的影响,解决了制造与再制造共存环境下生产计划的制定问题,并通过数值算例验证了模型的可行性和有效性。最后对企业生产提出了具有现实指导意义的建议,展望了逆向供应链生产运作未来的研究方向。

基于小波变换的多目标模糊分辨

硬件距离门与中国的余数定理是常用的多目标模糊分辨算法 ,但这种处理系统硬件比较复杂 ,并且在单一PRF上较小的距离误差也可能导致很大的测距偏差。讨论了利用小波变换来估计多回波信号的时延信息 ,并利用聚集算法解多目标的距离模糊 ,再利用最大似然法分辨不同目标的算法。最后给出了计算机仿真结果。

一类时变对象网络控制系统建模与稳定性分析

研究了一类时变对象网络控制系统的建模和稳定性问题,推导了该类网络控制系统的时滞连续时间数学模型,并基于李雅普诺夫第二法,分析了系统的渐近稳定性,得到了系统稳定运行的最大允许时延。最后,通过实例分析证实了本文所提理论的有效性,以及稳定判据的可行性。

软测量建模技术在常减压装置的研究与应用

针对常减压装置常压塔的过程数据存在多种不确定性,其软测量模型受多种因素的相互影响,普适性较差的问题,为了实现数据预处理,分别使用小波和盒图组合的算法进行基于单变量的异常识别、鲁棒偏最小二乘方法(RPLS)进行基于多变量的异常识别;运用网格搜索法对再采样间隔和最大滞后时间对模型性能的影响进行了研究。优选出最佳动态输入变量后,对比偏最小二乘(PLS)、人工神经网络(ANN)和支持向量机(SVM)等方法的软测量模型效果,优选最佳的建模方法。依据常减压工艺数据的特点,提出运用移动窗口的方法进行模型的在线更新,从而形成实用的常压塔顶石脑油干点软测量建模方法。经测试,该方法具有良好的准确性和普适性。

一种用于实际生产调度的网络计划建模方法

将最小和最大时距的概念用于生产调度的网络计划建模,考虑到实际生产问题的效率因素,针对面向订单的生产调度实例,引入生产效率因子和转移批量调节因子,灵活控制各项目活动间时距的大小,从而控制整个生产项目的完成时间。该方法改进了一般的搭接网络时距的计算,适于实际生产问题的调度建模。

基于退货滞后惩罚的库存控制模型研究

随着竞争的日益激烈,销售商竞相延长产品允许退货时间。此时,如何设置合理的允许退货时间长度成为困扰销售商日常经营的难题。针对于此,本文提出了一种基于退货滞后惩罚的库存控制模型和求解算法,从而解决了上述问题。并采用数值实例分析了退货率和时间惩罚因子对最优允许退货时间长度、最佳订货量以及最大产品收益的影响。实例结果表明,选择合适的时间惩罚因子,并规定合理的允许退货时间长度,可以有效增加销售商的收益。最后,对销售商的经营提出了具有现实指导意义的建议。

基于动态MIC优化TCN的混凝土坝变形预测模型研究

混凝土大坝变形是其安全运行的主要控制指标,对大坝变形的预测就显得尤其重要。为降低常规预测模型因未考虑环境量的时滞性所带来的误差,采用最大信息系数方法(MIC)计算水位影响因子和大坝位移的时滞关系,并确定最佳滞后时间。进一步,采用时间卷积网络(TCN)解决了混凝土重力坝的变形预测的高维非线性难题,并不断逼近坝体位移影响因子矩阵空间和位移目标向量之间的最佳映射关系,进而得到大坝变形的预测模型,并将其预测结果与常用的ARIMA模型进行对比。结果表明,MIC-TCN模型比ARIMA模型有更好的预测效果。

基于时空组Lasso与分层贝叶斯时空模型的变量选择方法

从高维度、大数据量的时空数据中有效选择变量是时空数据领域的重要问题之一,现有的时空数据变量选择的方法在变量选择的过程中未充分考虑时空相关性,时空变量选择阶段与预测阶段分开进行,且往往需要人为设定时空点个数阈值判定变量的取舍,从而无法较为准确的选择对因变量影响最大的变量子集,导致后续预测效果较差。本文针对上述不足,提出了一种基于时空组Lasso与分层贝叶斯时空模型的变量选择方法,称为分层贝叶斯时空组Lasso变量选择模型(Hierarchical Bayesian Spatio-temporal Group Lasso Variable Selection Method,HBST-GLVS),该方法首先利用时空组Lasso进行变量选择,通过引入最大时间滞后和最大空间邻域充分考虑时空相关性,并根据时空数据连续性,将同一时空变量的时空点进行整体惩罚,避免人为设定时空点个数引起局部片面性。然后,利用分层贝叶斯时空模型对变量选择的效果进行验证,将变量选择过程与模型验证过程置于同一框架下进行参数的调整,从而得到最优的变量子集。实验结果表明,与现有方法相比,本文方法在北京空气质量数据集、波特兰交通流数据集上的RMSE(Root Mean Square Error)和MAE(Mean Square Error)可分别降低9.6%~25.7%以及6.6%~15.9%。

基于优化动态PLS的常压塔重整料终馏点软测量研究

针对某炼油厂常压塔重整料终馏点软测量模型估计精度不高的问题,利用网格搜索(grid search)法优化动态软测量建模中最大滞后时间和再采样间隔,建立了一种基于动态PLS的软测量模型。结果表明对动态软测量再采样间隔和最大滞后时间的优化,可以显著降低模型的预测误差和计算量。动态软测量的预测误差明显小于静态软测量模型,能取得较好的预测效果。