基于模态分解-PSO-DNB深度学习的短期负荷预测研究

针对传统负荷预测模型对高维非线性电力负荷的特征提取效果不理想的问题,为有效提高电力负荷短期预测精度,提出了基于模态分解-PSO-DNB深度学习的负荷预测模型。结合模态分解方法和PSO算法特征并充分融入到深度学习模型中,构造了量化深度学习模型训练效果的误差评价函数,由此建立短期负荷预测的系统模型。以某地区电网监测的电力负荷数据开展短期预测研究,通过算例效果表明,所提的预测方法可实现24 h内滚动式短期电力负荷预测,且预测误差能控制在合理范围内,相较于传统负荷预测的方法更能提升预测精度。     

双酶同步酶解工艺和自溶工艺制备紫贻贝海鲜风味肽

以肽得率和感官评价为指标,通过单因素试验和响应面优化试验研究紫贻贝海鲜风味肽的双酶同步酶解工艺及自溶工艺。结果表明:双酶同步酶解最佳条件为:中性蛋白酶与木瓜蛋白酶质量比为1∶1,酶解时间2.0h,复配蛋白酶添加量850U·g-1,酶解温度50℃,酶解pH 6.5。在此条件下做验证试验,测得酶解肽得率为36.8%,酶解液感官综合评分4.5,海鲜味浓郁,腥味一般。与自溶工艺相比,双酶同步酶解工艺的肽得率提高了50.2%,且风味明显较好。建议使用双酶同步酶解法制取紫贻贝海鲜风味肽。     

紫贻贝蛋白酶解过程中呈味物质释放规律和呈味肽结构

通过氨基酸分析法、超滤法、凝胶层析柱法、反相高效液相色谱法、超高分辨四极杆—飞行时间质谱法等,研究紫贻贝蛋白酶解过程中各种呈味物质的释放规律及呈味肽的结构。结果表明,酶解过程中,大分子肽逐渐降解为小分子肽,游离呈味氨基酸含量、三甲胺含量升高,肽基呈味氨基酸的含量先上升后下降,总糖含量变化不明显。pH较低时有利于低分子量肽的生成。总酸含量在酶解1h、酶解温度为50℃时最高。在50℃、pH 6.5条件下酶解2h后,紫贻贝酶解液中低分子量肽的比例较高,有机酸、糖和呈味氨基酸的释放较充分。紫贻贝酶解液中海鲜风味肽的分子量1kDa,其结构为Cys-Ser-Val-Gln-Asp-Gln或Gln-Ala-ValAsn-Phe-Thr,不同于任何已知序列的呈味肽,其呈味阈值为0.1mg/mL。     

基于多层体系结构的公文流转领域框架

领域框架为特定领域软件的开发提供了基础平台。该文以公文流转领域为研究对象，对其进行详细的领域分析，描述了领域需求，确定领域边界和建立领域模型；设计并实现了一种基于多层体系结构的公文流转领域框架。     

温和碱氧化处理对花生壳酶解效果的影响

利用NaOH-H2O2(温和碱氧化法)对花生壳进行预处理,以NaOH质量浓度、H2O2体积分数、VNaOH:VH2O2、液固比、预处理温度、预处理时间为试验因素,以花生壳纤维素酶解率为考察指标,采用单因素试验和响应面试验对花生壳温和碱氧化处理工艺条件进行了研究。结果表明,花生壳温和碱氧化法的最佳预处理条件为:NaOH质量浓度为8 g/100 mL、H2O2体积分数为4%、VNaOH:VH2O2为4.6∶1,处理温度58℃,处理时间2.2 h,在此条件下进行试验,测得花生壳纤维素的酶解率为28.48%。     

利用花生壳酶解液制备热反应型花生味香精

以花生壳酶解液为原料,研究热反应型花生味香精的最佳制备工艺。通过GC-MS分析花生味香精的挥发性风味成分,结果表明,热反应型花生味香精的最佳制备条件是:脯氨酸添加量1%,反应介质为1%甘油,反应pH 5.0,反应温度150℃,反应时间56 min。在此条件下制得的热反应型花生味香精经GC-MS分析,共鉴定出26种挥发性化合物,主要有杂环类、酯类、醛类、酮类、醇类等化合物,其中对花生香味有贡献的化合物主要有柠檬烯、糠醛和5,6-二氢-4,6,6-三甲基-2H-吡喃-2-酮等化合物。     

响应面法优化紫贻贝蛋白酶解工艺条件

分别采用中性蛋白酶、碱性蛋白酶、酸性蛋白酶、复合蛋白酶、木瓜蛋白酶、胰蛋白酶和风味蛋白酶7种蛋白酶对紫贻贝蛋白的酶解工艺条件进行研究。根据水解度和感官评定的结果,确定中性蛋白酶、复合蛋白酶、木瓜蛋白酶和风味蛋白酶可以作为紫贻贝蛋白酶解的外加蛋白酶。将上述4种蛋白酶进行两两复配,通过试验确定复合蛋白酶与中性蛋白酶按1:1进行复配,可作为紫贻贝蛋白酶解的最适复配酶。采用响应面优化分析得出复配蛋白酶最佳酶解条件为酶解时间2h、pH7、酶解温度50℃、酶添加量0.4%,在此条件进行实验,测得水解度为70.25%,游离氨基酸总量增加了388.46%。