响应面分析法优化玫瑰香葡萄醋发酵工艺的研究

以玫瑰香葡萄为原料,采用分割补料发酵工艺酿制玫瑰香葡萄醋。通过单因素试验探究补料酒精度、补料时间、补料体积对玫瑰香葡萄醋发酵工艺的影响,在单因素试验的基础上,采用响应面分析法优化其发酵工艺。结果表明,玫瑰香葡萄醋的最佳发酵工艺条件为补料酒精度7%vol,补料时间12 h,补料体积分数33%,在此条件下,平均产酸速率为0.32 g/(100 m L·h)。

温室大棚温湿度智能监控系统的设计与实现

针对传统温室温湿度监控系统存在的稳定性和精度不足,以及温室大棚环境内布线复杂的问题,在现有的温室自动监控系统的基础上,搭建了基于STM32单片机的温室大棚温湿度智能监控系统。系统采用DS18B20温度传感器检测空气温度,SHT10湿度传感器检测空气湿度。检测数据结果通过串行通信发送至MCGS触摸屏进行实时显示。MCGS触摸屏根据预先设定温湿度范围对数据进行判断处理,发出相应的警报,并启动相应的执行机构对温室大棚内的环境进行调控。利用数据传输单元(DTU),将现场检测到的温湿度数据传送给监控中心,实现了对温室温湿度的远程监控。实地测试表明,温室大棚温湿度智能监控系统的温度检测精度为±0.2℃,湿度检测精度为±3%RH。相对传统的监控系统,智能监控系统具有运行稳定性好、反应迅速、界面操作简单、自动化程度较高、方便扩展和集中式监控等特点。系统检测精度可以满足普通温室大棚的要求,投入成本低,适合在农业应用领域推广。

基于PCA-PSO-LSSVM的温室大棚温度预测方法

针对温度预测的精度和效率问题,提出了在主成分分析(PCA)法的条件下,利用粒子群优化(PSO)算法优化最小二乘支持向量机(LSSVM)的温室大棚温度预测方法。采用PSO算法对LSSVM的模型参数进行优化,并以自动获取的最佳参数组合构建温度与其影响因子间非线性预测模型。利用搭建的温室大棚智能监控系统对人工温室中的6种环境参数进行采集,并利用所测数据对上述模型进行验证。实验结果表明:与PCA-LSSVM预测模型和PSO-LSSVM预测模型相比,所提预测模型预测效果良好。3种模型评价指标均优于其他预测方法。基于PCA-PSO-LSSVM温度预测模型在全局优化及收敛速度方面具有较大优势,具有良好的自学能力和自适应能力,预测精度高。

基于EEMD-SVR的渔业养殖水质预测模型

由于SVR在预测渔业养殖水质参数中存在的精度低问题,本文提出并采用基于集合经验模态分解法(Ensemble Empirical Model Decomposition,EEMD)、支持向量回归机(Support Vector Regression,SVR)的EEMD-SVR组合模型预测方法.首先用EEMD解法将水质数据分解为一系列相对平稳的IMF分量序列,去除噪声序列,然后采用网格搜索法优化SVR对去噪后的水质数据建立预测模型.利用EEMD-SVR预测模型对天津某渔业养殖池塘内溶解氧和pH值预测,并与无EEMD预测方法对比分析,证明该模型具有较好的预测效果,能够满足实际渔业养殖水质精细化管理需要.