基于随机森林和特征选择方法的蛋白质热稳定性影响因素预测

酶的耐热性对其在食品工业中实现应用至关重要。本文以随机森林算法通过蛋白质序列预测酶的热稳定性,并对影响热稳定性的重要特征进行了分析。计算了从Swiss-Prot数据库获得的1600个包含热稳定性信息的酶的430个特征。采用重复欠抽样法处理数据不平衡问题,采用向后递归特征消去法优选出30个最重要的特征。通过交叉验证和独立测试比较以各特征子集构建的模型,发现仅以氨基酸组成为特征集构建的模型获得了最佳预测效果,模型的总体预测准确率为85.83%、敏感性为89.16%、特异性为73.33%、精度为77.00%、F1度量为74.87%。结果表明氨基酸组成对酶热稳定性的影响最大,嗜热酶中含有更多的谷氨酸、异亮氨酸和赖氨酸,而常温酶中含有更多的谷氨酰胺、丝氨酸和苏氨酸。研究为蛋白质工程改造食品工业用酶的热稳定性提供了一定的理论和方法。     

电动汽车锂离子电池SOC检测技术的研究

安全、高效的电池是电动汽车的动力源。锂离子电池的荷电状态(SOC)是电动汽车能量管理的重要依据,对电动汽车的安全运行有着直接的影响。以磷酸铁锂电池为研究对象,充分考虑电池温度、充放电次数、电池老化等因素的影响,利用BP神经网络构建出锂离子电池SOC预测模型,并经仿真证明了这种方法的精确度和可靠性。     

基于忆阻神经网络的锂电池SOC检测技术研究

锂电池荷电分布状态(SOC)是衡量电动汽车锂电池状态的工作标准之一。在分析SOC检测技术的基础之上,提出了利用BP神经网络技术来构建电池组SOC数据模型的研究思路。并结合实际的仿真数据对BP神经网络进行了有效的改造,从而形成了以忆阻器为神经元突触的神经网络SOC检测体系。仿真结果表明,该方法适应性好,对实际具有良好的指导作用。     

大豆粉中转基因成分检测能力验证研究

目的 了解我国食品检测实验室的大豆粉中转基因成分的检测能力。方法 国家认可委组织实施了大豆粉中转基因成分的检测能力验证工作。15个省、市、自治区的37 家实验室参加了本次能力验证。本研究介绍了本次能力验证的实施过程, 包括方案设计、样品制备、一致性稳定性试验、结果统计等, 并对能力验证结果进行了分析。结果 实验室检测结果满意率为94.60%, 样品检测结果一致率为98.90%。结论 参加能力验证的绝大多数实验室可以准确检测大豆粉中转基因成分, 具备了分子生物学检测转基因食品的能力。     

基于ARIMA和LSTM混合模型的时间序列预测

由于现实中的时间序列通常同时具有线性和非线性特征,传统ARIMA模型在时间序列建模中常表现出一定局限性。对此,提出基于ARIMA和LSTM混合模型进行时间序列预测。应用线性ARIMA模型进行时间序列预测,用支持向量回归(SVR)模型对误差序列进行预测,采用深度LSTM模型对ARIMA模型和SVR模型的预测结果组合,并将贝叶斯优化算法用于选择深度LSTM模型的超参数。实验结果表明,与其他混合模型相比,该模型在五种不同时间序列预测中能够有效提高预测精度。     

基于ZigBee技术的光伏发电监控系统的研究和分析

作为一种可持续性强、绿色环保的能源,光伏发电在世界各国都得到了长足的发展。但是光伏电站一般都分布在人烟稀少的边远地区,因此对这些光伏电站的监控和维护就具有了一定的困难。针对以上问题,设计了太阳能光伏发电无线监控系统。该系统采用ZigBee构造无线网络,并通过现场总线、远程GPRS无线网络实现数据信息的收集与传递。通过实验证明,该系统能够达到数据采集、短距离无线数据传输、快速网络组建和维护等预期要求。