超声波辅助法制备脱脂米糠工艺的优化

采用超声波辅助乙醇浸提的方法对新鲜米糠进行脱脂处理,以脱脂率为指标确定米糠脱脂的最佳工艺并进行脱脂效果的储存验证实验。结果表明:超声波辅助对提高米糠脱脂率有显著影响(P 0.05),通过单因素和正交试验得出脱脂的最佳工艺是料液比1∶17.5(g/mL)、超声波功率450 W、超声波时间11 min,在此条件下脱脂率可达到96.97%,比单独使用乙醇浸提所得脱脂率提高了2.43倍。经脱脂处理的米糠在较长时间内脂肪酸值变化和感官评分均表现良好,储存期显著延长。     

水分调节对原料米糠微波稳定化的增效作用

食品物料中大都有水分存在,而水分子作为极性分子在微波场中有着极强的响应,本研究从优化微波稳定米糠工艺的角度出发,以米糠脂肪酶残余活力和酸价为主要指标值,着重考察米糠水分含量对微波稳定米糠效果的影响。研究发现,提高米糠水分含量对微波有明显的增效作用,通过单因素和正交试验得出微波稳定米糠影响因素大小依次为:米糠含水率>微波功率>微波处理时间;微波稳定优化水平组合为米糠含水率23%、微波功率800 W、微波处理时间105 s,该优化条件下米糠脂肪酶残余活力为20.24%,显示出高抑酶率且对米糠无热损伤。同时,以原始米糠为对照,将按上述最优条件处理的米糠和仅以功率800 W、时间105 s处理的米糠进行储存对比实验,定期测定米糠酸价以验证协同水分调节的最优微波稳定方案的稳定效果,实验证明,水分调节和微波协同作用处理后的米糠储存时间最长,分别为原始米糠储存时间的3.4倍和仅微波处理米糠的1.5倍,证实基于水分调节的微波处理对米糠稳定有显著效果。     

基于板块效应的深度学习股价走势预测方法

股票价格预测作为金融预测领域中一项重要的研究方向,准确预测股票价格的涨跌可以帮助投资者盈利或及时止损. 经研究发现,某些因素(如政策、社会突发事件等)会对同板块下的多只股票价格产生影响,导致同板块的多只股票在某个时间段内出现相似的走势,即板块效应. 因此,同板块下多只股票的价格走势对于股票预测具有参考作用. 针对这一现象,提出了一种基于板块效应的深度学习股价走势预测方法. 首先,使用皮尔森(Pearson)相关系数和XGBoost算法对同板块下多只股票的收盘价进行分析,以筛选出与预测股票相关性高的多只股票,并使用自编码器对这些股票的收盘价进行降维,以提取股票的价格走势; 其次,构建了一个基于卷积神经网络(convolutional neural networks,CNN)与长短期记忆(long short-term memory,LSTM)网络的混合深度学习预测模型,使用一维卷积神经网络提取输入数据的特征,使用LSTM网络对股票价格进行预测. 该模型使用银行、医药、酒业、娱乐传媒4个板块的股票作为实验数据集. 为了提高模型的预测效果,通过随机搜索对LSTM网络的神经元个数进行简单的分析,以选择较优的神经元个数. 最后,通过实验分析,基于同板块数据集的深度学习预测模型具有良好的预测效果.     

结合公司财务报表数据的股票指数预测方法

股票市场参与者的所有市场活动综合影响着股票市场的变化,使股票市场的波动充满复杂性,也使得准确预测股票价格成为难题。在这些影响股市变化的活动中,财务披露是预测股票指数变化的一种吸引人的且具有潜在财务回报的手段。为了应对股票市场的复杂变化,提出一种结合公司披露的财务报表数据进行股票指数预测的方法。该方法首先对股票指数历史数据和公司财务报表数据进行预处理,主要是对公司财务报表数据生成的高维矩阵进行降维,然后用双通道的长短期记忆（LSTM）网络对归一化后的数据进行预测研究。在上证50指数和沪深300指数数据集上的实验结果表明,该方法的预测效果优于仅使用股票指数历史数据的预测效果。     

米糠混粉面包配方优化及储存期质构特性

以米糠-高筋粉混粉为原料,采用二次发酵的方法制得米糠面包。通过单因素试验分析获得米糠添加量对混粉面包储存期内质构特性的影响,同时分析酵母和低聚木糖的含量对混粉面包感官和比容指标的影响,结合正交试验优化米糠混粉面包的配方工艺。结果表明,米糠面包最佳配方是米糠粉添加量为6.0%,酵母添加量为1.75%,低聚木糖添加量为1.25%。成品米糠混粉面包的质构特性显示出,混粉面包储存期72小时之内的凝聚性、咀嚼性、硬度和弹性均与对照无明显差异,整体回复性表现较好。米糠混粉面包的开发在增加面包新品种的同时使米糠的营养价值得以有效利用。