Deterministic and probabilistic ship pitch prediction using a multi-predictor integration model based on hybrid data preprocessing,reinforcement learning and improved QRNN

The deterministic and probabilistic prediction of ship motion is important for safe navigation and stable real-time operational control of ships at sea. However, the volatility and randomness of ship motion, the non-adaptive nature of single predictors and the poor coverage of quantile regression pose serious challenges to uncertainty prediction, making research in this field limited. In this paper, a multi-predictor integration model based on hybrid data preprocessing, reinforcement learning and improved quantile regression neural network (QRNN) is proposed to explore the deterministic and probabilistic prediction of ship pitch motion. To validate the performance of the proposed multi-predictor integrated prediction model, an experimental study is conducted with three sets of actual ship longitudinal motions during sea trials in the South China Sea. The experimental results indicate that the root mean square errors (RMSEs) of the proposed model of deterministic prediction are 0.0254°, 0.0359°, and 0.0188°, respectively. Taking series #2 as an example, the prediction interval coverage probabilities (PICPs) of the proposed model of probability predictions at 90%, 95%, and 99% confidence levels (CLs) are 0.9400, 0.9800, and 1.0000, respectively. This study signifies that the proposed model can provide trusted deterministic predictions and can effectively quantify the uncertainty of ship pitch motion, which has the potential to provide practical support for ship early warning systems.     

豆腐乳中乳酸菌的分离鉴定与发酵特性研究

目的分离鉴定农家自制传统发酵豆腐乳中的乳酸菌,探讨其作为豆类乳酸菌发酵饮品菌株的可行性。方法利用MRS(man rogosa sharp)培养基分离豆腐乳中的乳酸菌,通过形态学观察、生理生化特性和16S rDNA基因序列分析进行鉴定,并将所分离到的乳酸菌与适合于豆类植物发酵的植物乳杆菌FJAT-7926(Lactobacillus plantarum FJAT-7926)和干酪乳杆菌FJAT-7928 (Lactobacillus casei FJAT-7928)进行发酵特性的对比研究。结果从豆腐乳中分离出1株乳酸菌,命名为FJAT-46777,该菌株菌体细胞为圆端直杆状或圆端弯曲杆状,无芽孢,革兰氏阳性,过氧化氢酶阴性,生理生化特征与发酵乳杆菌(Lactobacillus fermentum)一致,对菌株的16S rDNA基因进行扩增测序、分子系统发育树分析,也表明其为发酵乳杆菌。发酵乳杆菌FJAT-46777发酵的豆乳中乳酸菌增殖速度最快,最终活菌数最高,为9.42 lg(CFU/mL); pH值下降最快,最终pH值最低,为3.91;滴定酸度上升速度最快,最终滴定酸度最高,为62~ΟT。结论分离自豆类自然发酵食品中的发酵乳杆菌FJAT-46777,对豆类植物为主的基质具有更优良的发酵特性,发酵时间快,乳酸菌含量高,产酸能力强,适用于发酵豆乳的开发。     

液相色谱-串联质谱法测定腐乳中的生物胺

建立了一种使用液相色谱-串联质谱（LC-MS/MS）技术检测腐乳中9种生物胺的方法。样品经5%三氯乙酸水溶液提取后，进行液相色谱-串联质谱法测定，采用外标法定量。对检测方法进行方法学验证，9种生物胺在质量浓度为10～200 ng/mL范围内线性相关系数R2＞0.999，方法检出限为0.03 mg/kg，定量限为0.1 mg/kg，回收率在85%～101%之间，相对标准偏差（RSD）在0.9%～4.8%之间。该方法结果精密、准确、重复性好、操作简单，适用于腐乳中9种生物胺的测定。     

2种灰色模型在矿区地表沉陷预计中的适用性

目前矿区地表单点沉陷动态预计方法主要基于传统的水准测量数据,监测方法单一,成本高,观测点易破坏,不能保证地表形变信息的实时性,且采用灰色模型进行地表沉陷预计时只针对单一模型的应用,没有结合模型自身特点分析其适用性。以袁店二矿7221工作面为试验区域,采用合成孔径雷达差分干涉测量技术监测矿区地表沉陷量,分别建立了描述沉陷量与时间关系的GM(1,1)与灰色Verhulst模型进行地表沉陷量预计,实现了矿区地表沉陷监测与动态预计一体化。通过比较、分析GM(1,1)与灰色Verhulst模型对地表沉陷量的拟合及预计结果,得出了2种灰色模型在矿区地表沉陷预计中的适用性:在矿区开采沉陷开始至活跃前期,若地表单点沉陷量曲线呈近似单峰型,则宜采用GM(1,1)进行短期预计;当矿区地表沉陷进入衰退阶段,单点沉陷量曲线呈平底饱和状态,则宜采用灰色Verhulst模型进行中长期预计。     

深部持续采动诱发断层活化滑移的灰色预测研究

深部持续采动诱发的断层活化滑移过程具有灰色系统的特征。基于某铜矿深部开采诱发断层活化滑移的现场实测数据,构建了GM(1,1)灰色预测模型。通过断层预测滑移量与实测滑移量对比分析,模型具有较高的精度。运用所构建的断层活化滑移灰色预测模型,对未来四期断层滑移量进行了预测,F2断层滑移量增速较快,与现场实际情况吻合。研究成果对于深部复杂采动影响下断层活化滑移量的预测具有重要的意义。     

服装流行色的季节差异及关联性研究

为揭示服装流行色的季节差异及其变化规律,以2012-2019年中国服装流行色定案为研究对象,依据中国色彩标准体系(CNCS)对色彩进行量化,采用统计分析与灰色关联分析,探究季节服装流行色的波动规律与色彩特征。结果表明:服装流行色呈现一定的季节差异,不同色彩存在不同的季节模式,即春夏以高明度、高纯度和暖色系为主,秋冬则会增大低/中明度、低/中纯度和冷色系色彩的使用比例;秋冬服装流行色会受到春夏流行色的影响,但不同色彩的关联度存在差异;秋冬服装流行色的波动较大,春夏服装流行色的波动则比较平缓。     

贮藏温度对青方腐乳生物胺和理化性质的影响

以市售的青方腐乳为原料，研究了开盖后贮藏在不同温度下其生物胺含量、水分活度（Aw）、pH值、氨基酸态氮的动态变化，探讨了生物胺与理化指标之间的相关性。结果显示，青方腐乳在不同温度下贮藏至15 d时总生物胺含量＞1 000 mg/kg，且组胺含量＞100 mg/kg，酪胺含量在贮藏至30 d时（除25 ℃第30天）＞100 mg/kg，均超过了相关标准推荐的限量值；在不同贮藏温度下，青方腐乳水分活度＞0.8，pH变化规律基本一致，在第15天达到最大，4 ℃贮藏时，氨基酸态氮含量随贮藏时间的延长而增大。相关性分析结果表明，理化指标的变化与生物胺存在一定的关系，pH与苯乙胺、尸胺、组胺和亚精胺呈极显著正相关（P＜0.01）。结果表明，为了食用安全，腐乳开盖后应尽量在15 d内食用完。     

机制砂混凝土耐磨性的主要影响因素分析及多因素计算模型

本文研究了砂类型、砂率、石粉含量和抗压强度对机制砂混凝土耐磨性的影响,建立了磨损量的多因素计算模型。结果表明:由于含石粉及具有更高的粗糙度和坚固性,石灰岩与辉绿岩机制砂制备的C30、C40混凝土耐磨性比河砂混凝土提高20%以上;在0.40~0.44范围内选取较低的砂率可获得较优的耐磨性;利用石粉含量为5%~11%(质量分数)的机制砂制备混凝土,石粉含量为9%时可获得最佳的混凝土耐磨性,微观分析表明此时混凝土密实度最佳;通过灰色系统理论确定了耐磨性影响因素的影响程度排序为:砂率R₃>压碎值R₂>粗糙度R₁>抗压强度R₅>石粉含量R₄>0.6;对比验证表明提出的混凝土磨损量多因素计算模型具有较高的预测精度和良好的适用性。     

灰色关联分析和粒子群优化算法相融合的合作伙伴选择

针对目前解决云服务商合作伙伴选择问题方法均存在如搜索速度变慢、实用性差、难以获得完全合理的选择方案等不足,提出了一种灰色关联分析和粒子群优化(PSO)算法相融合的合作伙伴选择方法。首先采用灰色关联法对云服务商的评价指标进行筛选,并计算每一种指标的权重值;然后建立云环境下服务商合作伙伴选择问题的数学模型,并采用粒子群算法对其进行求解,找到云服务商合作伙伴选择的最佳方案。具体应用实例性能测试结果验证了方法的有效性和合理性,它可以选择出最佳的合作伙伴。