排序方式: 共有20条查询结果,搜索用时 15 毫秒
1.
以低温液压压榨铁核桃油为试验对象,通过Rancimat892油脂氧化稳定性测定仪研究了铁核桃油的氧化稳定性及抗氧化剂对其影响。结果表明:在不添加抗氧化剂、20℃条件下,铁核桃油的货架期为69 d;在添加相同量的单一抗氧化剂情况下,抗氧化效果排序为TBHQPGBHT茶多酚维生素E;在添加复合抗氧化剂的情况下,铁核桃油氧化诱导时间的排序为添加100 mg/kg TBHQ+100 mg/kg PG100 mg/kg TBHQ+200 mg/kg茶多酚100 mg/kg PG+200 mg/kg茶多酚100 mg/kg TBHQ+100 mg/kg BHT100 mg/kg BHT+200 mg/kg茶多酚。 相似文献
2.
3.
以近几年扎龙湿地面积为研究对象,应用灰色系统理论建立了扎龙湿地面积动态变化趋势的预测模型,应用该模型进行预测,得到了预测结果,对影响扎龙湿地面积动态变化的主要因素进行系统分析,确定了各因素相对于扎龙湿地面积变化的关联度。 相似文献
4.
5.
采用气相色谱-离子迁移谱(gas chromatography-ion mobility spectroscopy,GC-IMS)技术,模拟了排酸后的鲜牛肉的三种不同货架储藏流通温度,定期监测其在常温货架(25~30 ℃)、冷藏货架(8~10 ℃)和低温货架(0~1 ℃)储藏过程中产生的挥发性有机物(volatile organic compounds,VOCs)。结果发现,不同储藏条件下牛肉特征风味指纹图谱分别具有28种、55种、42种特征离子峰,常温货架储藏的牛肉在14 h时,出现丁酸丁酯、己醛(单体)、1-辛烯-3-醇、N-亚硝基二甲胺4种特征标记物质;冷藏货架储藏的牛肉在142 h时,出现异丁醇、乙酸乙酯(单体)、正己醇、2-庚酮等8种等特征标记物质;低温货架储藏的牛肉在19.5 d时,出现2-庚酮(二聚体)2-戊酮(二聚体)、异丙醇、乳酸乙酯、异丁醇等10种特征标记物质。初步预判鲜牛肉在25~30 ℃条件下的储藏时限为14 h,8~10 ℃条件下的储藏时限为142 h,0~1 ℃条件下的储藏时限为19.5 d,该结果可为生产中鲜牛肉的流通销售、安全食用和生产监管提供理论依据和数据支持。 相似文献
6.
不同山核桃及其油脂品质对比分析 总被引:1,自引:0,他引:1
以东北、云南和川藏3个地区的11种山核桃仁为原料,通过冷榨机压榨得到冷榨山核桃油,分析山核桃仁的理化指标,山核桃油的理化指标、脂肪酸和维生素E组成及含量。结果表明:山核桃平均含仁率为19.14%,山核桃仁平均粗脂肪含量为60.99%、粗蛋白质含量为20.52%;冷榨山核桃油平均酸值(KOH)为0.25 mg/g、过氧化值为2.96 mmol/kg、碘值(I)为156.68 g/100 g、皂化值(KOH)为188.80 mg/g;冷榨山核桃油主要不饱和脂肪酸平均含量为93.562%,其中油酸24.497%、亚油酸59.952%、亚麻酸8.804%;冷榨山核桃油中δ-维生素E平均含量为430.427μg/kg,最高含量达到619.442μg/kg,未检测到α-维生素E。表明冷榨山核桃油的各项理化指标符合食用油脂的要求,且具有较高的营养价值。 相似文献
7.
8.
针对大型水轮发电机定子绕组换位线棒股线电流及环流损耗的计算问题,提出了一种解析计算方法——改进漏感电动势法,解决了现有计算定子换位线棒股线电流分布及环流损耗的漏感电动势法(又称漏感电势法)中存在的漏磁场假设不合理、电路约束不完整以及忽略了股线的实际换位路径等问题。将定子线棒中的每根股线看成由股线电阻和漏感电动势组成,分别给出了槽部漏感电动势和端部漏感电动势的计算方法。以一台140 MW大型水轮发电机为例,采用改进漏感电动势法计算360°全换位和不足换位时的每根股线的电流分布,进而求解定子线棒的环流损耗。通过解析计算结果与实验测量结果对比表明,改进漏感电动势法计算的电流分布及环流损耗值与实验测量值基本一致,验证了解析法的正确性。 相似文献
9.
基于SNVA的机动目标状态估计 总被引:1,自引:0,他引:1
利用位置预测估计值与位置滤波估计值之间的偏差进行加速度方差自适应调节,提出一种基于状态噪声方差自适应(SNVA)的机动目标状态估计方法。采用SNVA对目标加速度噪声方差进行自适应调整,实现了对当前统计模型的改进;利用扩展卡尔曼滤波算法对目标状态进行估计。仿真结果表明,基于SNVA的扩展卡尔曼滤波算法对机动目标速度估计的绝对误差小于0.1m/s,加速度估计的绝对误差小于0.1m/s2,能够对机动目标的状态进行准确的估计。 相似文献
10.
对于具有相似属性的类别而言,在有限维度的语义属性下,基于属性的零样本图像分类器难以对它们进行正确区分.考虑到语义属性描述类别的有限性,在直接属性预测(Direct Attribute Prediction,DAP)模型的基础上,提出一种基于混合属性的零样本图像分类模型(Hybrid Attribute-Based DAP,HA-DAP).首先,对样本的底层特征进行稀疏编码并利用编码后的非语义属性来辅助现有的语义属性;将非语义属性与语义属性构成混合属性并将其作为DAP模型的属性中间层,利用属性预测模型的思想进行混合属性分类器的训练;最后,根据预测的混合属性以及属性与类别之间的关系进行测试样本类别标签的预测.在OSR、Pub Fig以及Shoes数据集上的实验结果表明,HA-DAP的分类性能优于DAP,不仅能够取得较高的零样本图像分类精度,而且还获得了较高的AUC值. 相似文献