预测微生物学在传统白酒酿造中的应用构想

预测微生物学是运用微生物学、工程数学以及统计学进行数学建模,并建立各种食品微生物在产品加工、贮藏和流通条件下的基础信息库,以及预测食品中微生物数量的动态变化规律,达到运用模型预测和描述特定食品中微生物的生长和死亡状况的目的。白酒酿造过程建立白酒微生物学资源数据库和预测微生物学数学模型,可探究制曲和发酵过程中各类微生物的变化规律及各种环境因素对酿酒微生物类群衍变的影响规律,提高白酒酿造工艺设计的最适化。（孙悟）     

基于MARS的卷烟吸阻和通风预测模型

通过对卷烟吸阻、通风率的原理分析找出相关的影响因子,结合大量丰富的不同规格和原辅料特性的卷烟数据,利用多元自适应回归样条(MARS)方法建立了卷烟吸阻、通风预测模型。结果表明,吸阻预测模型的标准化均方误差为0.276,绝对误差平均值为37.5Pa;纸通风预测模型的标准化均方误差为0.184,绝对误差平均值为0.91%;滤嘴通风预测模型的标准化均方误差为0.044,绝对误差平均值为1.27%,模型预测效果较好。     

有限总体的广义压缩型预测

利用线性模糊的广义压缩最小二乘估计，提出了有限总体的广义压缩型预测。它是一个很大的预测类，包含了许多有偏预测，并且在预测均方误差意义下，得到了在参数的某个空间上，广义压缩型预测优于最佳线性无偏预测的充要条件。     

前4个月皮革、毛皮及制品进出口大幅下降

“法库”出自满语,原意是“水草丰美之地”。历史上,法库曾是满蒙栖息地,有着悠久的养牛历史,在金融危机影响逐渐加深的情况下,法库养牛却呈现出了“牛市”的发展态势。     

双向数据挖掘的反馈预测分析

针对常规的数据挖掘预测模型只进行单一预测且未对预测的准确度进行分析等问题,提出了一种将关联模型和基于最小二乘法的回归分析模型相结合的反馈预测模型,并使用最小均方算法对预测进行误差分析.仿真结果表明该模型对中长期预测具有较高的精确度.     

粮堆温度预测插值算法的研究

温度变化对粮堆内的微生物滋长和虫害活动有着十分重要的影响,对粮堆温度进行准确监测和预测是保障储粮品质和安全的关键因素。本文通过对实际粮堆温度传感器节点阵列的历史数据进行挖掘分析,提出了基于时间-空间相结合的粮温预测模型,可对各个节点未来时刻的温度值进行预测,并可通过此模型对未知节点温度进行预测插值,以得到未来时刻粮库的温度云图。实验结果表明,与现在粮库常用的基于经验函数的温度预测算法和只考虑时间层面的机器学习预测算法相比,本文预测模型得到的节点温度预测均方误差分别降低了23.81和6.82,预测结果得到提升,并且通过预测插值得到的未来时刻粮堆温度场分布云图对粮库预知局部危险因素具有实际的指导意义。     

神经网络纱线质量预测子系统——神经网络技术在纺织企业质量管理系统中的应用

介绍了神经网络纱线质量预测子系统的设计思路以及流程，探讨神经网络技术在现有纺织企业质量管理系统基础上的应用问题。提出神经网络质量预测技术的实用化问题以及解决方法。     

谈流行色预测的研究与发展

文章对流行色预测的起源，流行色预测的方法、内容以及流行色预测定案的应用等内容进行了介绍，提出流行色预测研究发展的未来趋势，以期对我国色彩预测工作提供参考。     

评述服装流行色预测

对现代服装流行色预测的方法及近年来流行色预测研究中的思想作了整体的分析,讨论了定量预测和定性预测的优缺点,分析了流行色作为复杂系统的组合预测,以及解决定性和定量相结合的综合集成方法,并探讨了流行色预测方法的新发展。     

基于模型的预测控制理论发展及应用

基于模型的预测控制(model predictive control)是一种从工业过程控制中产生的一类先进计算机控制算法,包括模型预测、滚动优化和反馈校正三个基本特征。文章阐述了预测控制算法的产生和基本发展,对当今控制领域的先进预测控制和智能预测控制以及非线性预测控制进行了探讨。最后对这类预测控制算法在实际工业过程中的应用做了简要概括。     

基于Bagging-WOA-SVR的粮堆温度场预测模型

采用阵列式分布的测温电缆检测粮仓温度变化情况,利用机器学习技术来预测粮食温度,用粮仓一年监测数据来预测粮堆未来27天温度。传统的BP、RBF、RF、SVR单模型对粮堆温度进行预测存在误差大、泛化能力差等缺点,提出一种基于Bagging集成的鲸鱼算法优化支持向量回归模型(Bagging-WOA-SVR),并与灰狼算法优化支持向量回归模型作比较。将影响粮堆温度的多种因素做灰色关联分析,选取粮仓内温度、粮仓内湿度、粮仓外温度、粮仓外湿度、粮仓平均温度、地表温度作为神经网络的输入,粮堆平均温度作为预测输出,选取三个指标为评判标准,对比分析模型预测精度。结果表明：提出的Bagging-WOA-SVR模型相比之下有着较好的稳定性,均方误差为0.24,相关系数为0.9892。     

服装销售定量预测方法研究进展

服装销售预测是服装企业商品企划中必不可少的环节之一。为有效帮助服装商品企划人员及相关学者根据实际情况快速选择合适的服装销售预测方法,对时间序列法、回归分析法、灰色预测模型及人工神经网络4类定量销售预测方法从优缺点、优化历程及适用类型3个方面进行梳理总结,并对机器学习的部分组合算法进行举例与归纳。分析得出：时间序列法适用于历史数据离散程度小且影响因素少的短中期服装销售预测;回归分析法中多元回归法比一元回归法在算理上更适合具有多因素影响的服装销售预测;灰色预测模型适用于数据平滑且影响因素较少的服装销售预测;人工神经网络则适合销售数据离散程度大的时尚型服装销售预测。     

影响电负荷预测因素分析

负荷预测是从已知的用电市场出发,对未来的用电市场做出的预测。在电网运行管理当中,负荷预测是重要工作,直接关系到电力系统备用容量的科学安排,电力系统运行的优质安全,资源配置利用的优化,乃至电力营销以及市场交易。电力需求量的预测决定发电、输电、配电系统新增容量的大小;电能预测决定发电设备的装机类型。电负荷预测中通常按时间期限分为长期、中期、短期和超短期负荷预测。     

基于链路预测的智能纺织品技术融合趋势研究

技术融合是传统产业实现技术升级的重要手段。本文基于德温特专利数据库中的15 125项智能纺织品发明专利,运用技术生命周期、社会网络、链路预测等方法,从技术领域发展前景、技术融合应用现状、融合机会预测三个方面,对跨领域技术融合在智能纺织领域的发展现状和趋势进行了深入研究。结果表明：智能纺织领域正处于技术发展成熟期,该领域发明专利预计将达21 667项,发展前景良好;跨领域技术融合在智能纺织领域的应用日益广泛,其中数字计算机是智能纺织领域开展跨领域技术融合的重点,已与家用电器等技术领域建立稳定的融合关系;分层产品、电话和数据传输系统等技术领域在后续的技术创新活动中将扮演重要角色。     

基于赢得值原理分析电站EPC项目总包方进度与费用的方法

赢得值原理是一种先进的项目管理技术,它用统一的量来分析工程进度与费用,可以对比进度与费用的关系,实现量化的效果,并进一步达到预测的目的。文章以湛江晨鸣浆纸有限公司自备热电厂EPC项目为例,提出赢得值原理在EPC项目总包方的分析方法,深化赢得值的应用范围。     

基于对象信息的服装销售预测方法选择

服装销售预测的准确性除了取决于对服装销售影响因素的了解外,很大程度上还取决于选择适当的预测方法,快速而且准确的选择一个适合于企业实际情况的预测方法是建立综合预测模型的基础。通过对销售预测对象信息的分析,在对其分类的基础上对几种基本预测方法进行样本预测,结合预测结果与预测方法原理的分析对这些基本方法的适用范围进行评价,提出适用于服装销售预测的方法选择表,使预测方法与预测对象信息互相匹配,提高预测的效率和效果,为企业便捷的选择预测方法提供新的思路。     

预测微生物学数学建模的方法构建

预测微生物学是运用微生物学、工程数学以及统计学进行数学建模,利用所建模型预测和描述处在特定食品环境下微生物的生长和死亡。预测微生物学的核心在于建立完善的数学模型。预测微生物学数学模型被分为三级:初级模型、二级模型和三级模型。初级模型描述微生物数量变化与时间的关系;二级模型描述初级模型中的参数与环境参数之间的关系;三级模型也称为专家系统,是在初级模型和二级模型的基础上,通过计算机编程制作出的友好软件,它使得非专业人士同样可以获得预测微生物学的相关信息和指导。本文介绍了预测微生物学模型的局限以及分类,并对建模方法进行了讨论。     

棉纱相对断裂强度的预测

生产各种用途棉纱的纺织企业可用阿·恩·索洛维叶夫(A.H.Соповьев)经验公式预测纱的强度。这个公式是通用的。因此,在各纺纱装置和纺纱方法中均可用这个公式来预测纱的相对断裂强度。然而,这个公式也存在不足,因为工厂实验室检测纱的相对断裂强度时实际数值与预测数值之间存在差距。     

能量棒以颜色为劣变指标的货架期预测误差分析

以军用能量棒为研究对象,采用货架期加速预测测试法建立能量棒以颜色为劣变指标的货架期预测模型。分别研究了加速实验的设计方案和具体实验方法中各因素对能量棒货架期预测精度的影响,包括:测定重复数、拟合点数、时间间隔和加速温度条件。结果表明:样品的测定重复数对预测精度的影响较小,每个温度下检测点数和检测时间间隔对预测精度影响较大。在加速实验的设计中,加速温度个数和温度范围对预测误差影响最为显著。可通过合理的实验设计将预测精度控制在10%以内。     

生物信息学技术在食物过敏原表位预测中的应用

表位是过敏原与抗体结合的物质基础。基于生物信息学技术的表位预测包括线性表位预测和构象性表位预测。其中线性表位预测主要是基于过敏原蛋白的理化性质进行预测;构象性表位预测主要包括基于蛋白结构信息和结合噬菌体展示技术的两大类预测。利用生物信息学技术预测食物过敏原表位主要应用在牛乳、鸡蛋、鱼、甲壳类水产动物等动物性食物过敏原和花生、大豆、小麦、果蔬类等植物性食物过敏原方面。