计算机文化基础职业化课程设计的几点想法——以安全防范技术专业为例

计算机文化基础是高等教育课程体系中不可缺少的一门基础课程,其开设时间多为第一学期。主要是培养学生的计算机应用能力。然而,教学效果不尽人意,文章以安全防范技术专业为例,将计算机文化基础课程融入到安全防范技术专业的职业教育课程体系中,结合安防行业工作的特点,进行计算机文化基础职业化课程构建。     

三峡库区耕地土壤肥力特征及对策研究

三峡库区土壤肥力差异明显。主要土壤类型紫色土、水稻土、和黄壤,肥力水平差异较大,全量、有效态含量在不同土壤类型不一致。沿江从上而下,全N、全P、有效P含量较稳定,全K、有效K、碱解N含量变化较大。不同土壤类型肥力比较结果表明全N、全P含量为黄壤>水稻土>紫色土;全K、碱解N、有效P、有效K含量为紫色土>黄壤>水稻土。不同区县土壤肥力相关性分析表明全N、全P具有显著相关性,碱解N、有效P、有效K相互之间无相关性。主要土壤类型相关性分析表明水稻土、黄壤中全N同碱解N具有显著相关性。在不同区县和不同土壤类型土壤肥力指标有较大差异,因此在施肥水平上应区别对待。     

迷迭香复配抗氧化剂对食品的影响及应用研究进展

迷迭香作为天然抗氧化剂其主要成分为迷迭香酸、迷迭香酚、鼠尾草酸、鼠尾草酚、迷迭香双醛和迷迭香二酚等,因具有高效、稳定、耐高温的特点,在各个领域中都有着广泛的应用。与其他复合抗氧化剂相比,迷迭香复合抗氧化剂在食品中的应用研究相对较少,文章通过对迷迭香复配抗氧化剂在肉制品、食用油、水产品及水果中抗氧化性能的影响及应用研究进展进行了综述,探索迷迭香复配抗氧化剂在食品中更广泛的研究与应用空间。     

BP网络和多元回归在葡萄酒质量模型中的应用

利用因子分析法筛选出对葡萄酒质量影响较大的12种理化指标,将其作为多元线性回归的自变量和BP网络输入层神经元,分别用多元线性回归和改进的BP神经网络两种方法建立葡萄酒和酿酒葡萄的主要理化指标与葡萄酒质量的关系模型。比较了两种模型的泛化能力,得出多元线性回归模型对新样本预测的平均相对误差是1.93%,而BP神经网络模型的平均相对误差是0.37%。仿真实验表明,BP神经网络的泛化能力和稳定性明显优于多元回归模型。     

果葡糖浆对焦糖色素质量影响的研究

本文利用双酶法生产的果葡糖浆(DE值相同、果糖和葡萄糖含量不同)制作焦糖色素,在相同制备工艺下,对焦糖色素的吸光度进行了比较.发现相同的DE值条件下,果糖和葡萄糖含量越高,吸光度就越大;果葡糖浆的DE值越高,吸光度也越大.     

蔗糖溶液浓度对强酸阳离子树脂催化水解的影响

通过对强酸阳离子交换树脂催化蔗糖溶液水解过程的初步研究,讨论了糖液浓度对催化蔗糖溶液水解速率的影响。文章认为:树脂催化水解的过程是一个双重的催化过程,而非均相的界面催化反应起主导的催化作用。因此,强化固液间的分子扩散和界面更新是提高树脂催化蔗糖溶液水解速率的途径。     

基于神经网络—生长动力学模型对DM423生物量的软测量

以温度、培养时间、溶氧量、pH和葡萄糖浓度为输入变量,生物量浓度为输出变量,研究5-5-1静态多层前馈网络和神经网络—生长动力学两种模型估算的精确度。结果表明:静态多层前馈网络测试样本均方差为1.73×10-3,而神经网络—生长动力学混合模型测试样本均方差为0.25×10-3,其估算精确度优于单独使用静态多层前馈网络对生物量进行估算,动力学模型有较好的泛化能力。     

不同种类活性炭对淀粉糖浆脱色性能的研究

本文以三种不同种类的粉状活性炭为研究对象,绘出其各自对淀粉糖浆脱色的吸附等温曲线,通过比较选择经济合理、吸附性较好的炭粉供大生产使用。     

BP神经网络优化桔子皮水溶性膳食纤维的提取工艺

为提高柑桔副产物的加工综合利用,以超临界CO2萃取精油后的桔子皮为原料提取水溶性膳食纤维,采用响应面实验设计收集实验数据,利用BP神经网络的自学习能力,通过仿真和评估,优化其提取工艺参数。结果表明:BP神经网络技术比响应面分析方法误差小,模型预测准确度高,桔子皮水溶性膳食纤维的最佳提取工艺条件为:温度91.5℃,pH1.60,均质压力30.5MPa,提取时间2.14h,在此条件下,水溶性膳食纤维的得率为28.79%。该研究为柑桔皮水溶性膳食纤维的工业化提取提供一定的技术依据。      

基于PCA和BP神经网络的葡萄酒品质预测模型

研究基于主成分分析(PCA)和神经网络建立葡萄酒评价模型并进行预测。该模型先将葡萄和葡萄酒中33个理化及风味指标进行主成分分析,再以主成分得分作为输入数据,葡萄酒的感官评价得分作为输出数据,建立葡萄酒和酿酒葡萄的主要理化指标与葡萄酒质量的关系模型。结果表明:通过检测主成分的质量指标,能对葡萄酒给出很好的质量评价;该模型与传统的网络模型相比,能很好的简化网络结构,输入神经元个数从33个减少为9个,收敛速度提高87.5%,模型绝对误差的最大值为0.35。