XZ-11酵母菌活性干酵母应用于机械化绍兴黄酒酿造的研究

应用XZ-11酵母菌生产的活性干酵母酿制机械化绍兴黄酒,无论是代替酒母还是代替液体酵母种子使用,生产的黄酒各项理化指标均符合GB/T 17946—2008国家标准要求,且各项理化指标和感官质量与对照酒均无显著差异。     

基于迁移多搜索器Q学习算法的碳能复合流无功优化

传统的碳排放计算模型,发电侧承担着主要的责任.但是在碳排放流的理论中,认为电网侧和用户侧才是碳排放的主要来源,需要承担主要责任.因此,有必要利用碳排放流分析方法将发电侧的碳足迹转移到电网侧和用户侧,从而制定出更有效的节能减排策略,减少二氧化碳的排放.因此,为了实现电力系统的低碳、节能和经济运行,本文把碳-能复合流放进了...     

试论抗震加固的原理和方法

探讨了抗震加固与一般加固的区别,对抗震加固的基本原则进行了分析,结合常用抗震加固基本方法与类型,系统地介绍了抗震加固的几种常用方法及其原理,以期解决抗震加固施工中的难点问题。     

对苯二甲酸精制钯炭催化剂载体活性炭的研究

分析了不同厂家生产的对苯二甲酸精制用钯炭催化剂载体活性炭的各种物性指标。实验结果表明,各种活性炭比表面相同时,其吸附量基本相近,但孔结构有较大差异,尤其是中孔孔容相差较大。中孔孔容增大,有利于钯炭催化剂分散度的提高和热稳定性增强.活性炭的表面基团对催化剂分散度也有影响,表面酸性基团含量增加,值化剂分散度提高.     

表面活性剂对土壤中多氯联苯洗脱影响研究进展

多氯联苯（PCBs）作为典型的持久性有机污染物（POPs）,在环境中广泛分布且具有生物毒性,土壤中的多氯联苯可通过食物链在生物体中富集,对生物体产生危害。多氯联苯易与土壤紧密结合,由于其难以降解,故去除土壤中多氯联苯非常困难。利用表面活性剂的亲水性和亲油性,可促进土壤中PCBs释放到水体中,水体中的多氯联苯便于进一步处理,以减轻对生态的危害。该文综述了近年来国内外对于表面活性剂促进多氯联苯从土壤向水体中释放的研究进展,在阐释了表面活性剂促进土壤中多氯联苯洗脱机理的基础上,具体分析了影响促进作用的各种因素。     

绿色VRP的增强拉格朗日松弛启发式算法

针对绿色多车型车辆路径问题(GHFVRP),建立了以最小化车辆固定成本、行驶成本及碳排放成本之和为优化目标的混合整数规划模型(MIP),并提出一种增强拉格朗日松弛启发式算法(ELRHA)进行求解。首先，通过松弛难约束构造对偶问题，并分解为两个子问题，再采用次梯度法更新拉格朗日乘子，求解两个子问题获得原问题的下界；其次，设计一种两阶段启发式算法对下界进行修复及优化，以获得较好可行解并更新问题上界；最后进行仿真实验，实验结果表明：在相同实验环境下对17个算例进行20次测试，ELRHA平均求解间隙为4.49%,相较Gurobi提升3.28%,同时与其它算法对比进一步验证了ELRHA能求解问题高质量上界。可见，ELRHA能有效求解GHFVRP。     

诚信体系在黄酒企业的应用研究

人无信不立，业无信不兴。诚信，已成为企业在激烈的市场竞争中立于不败之地的“特殊资本”，建立企业诚信管理体系已成为企业做大做强不可或缺的基石。对食品诚信体系小组、原辅料包装材料的描述、传统黄酒的生产工艺流程、诚信体系的特征、诚信因素的识别、诚信因素的评价、诚信因素的控制、改进措施、体系的运行进行了详细分析。     

基于多相似度局部状态辨识的集成学习自适应软测量方法

鉴于流程工业过程的非线性、多时段、多模式、时变性等复杂过程特性，导致传统的全局和集成学习软测量方法预测性能不佳，提出一种基于多相似度局部状态辨识的集成学习自适应软测量建模方法。该方法在离线建模阶段，从不同相似度准则出发辨识局部过程状态，进而生成多样性的局部模型；在线预测阶段，通过双层集成策略实现模型的在线动态选择、模型权重自适应确定、局部预测结果融合；在线更新阶段，通过KL散度评价当前与相邻状态数据分布的差异性以实现概念漂移的实时检测，进而决定是否在线添加局部模型。将新获取的离线检测值添加入建模数据库。通过工业金霉素发酵过程和脱丁烷塔过程验证了所提方法的有效性和优越性。     

基于学习型人工蜂群算法优化双向GRU的乙烯产率预测

本文针对以乙烯产率为生产指标的预测问题, 基于双向门控循环单元网络(BGRU)建立乙烯产率预测模型,以最小化模型误差为优化目标并提出一种学习型人工蜂群算法 (LABC) 对预测模型进行优化和设计. 在构建BGRU预测模型时, 先对乙烯裂解炉实际生产过程进行分析, 确定影响产率的关键因素并将其作为模型的输入; 再采用LABC对BGRU网络模型的结构、初始权值和阈值、训练比和动量因子进行全面的优化和设计. 在LABC中, 首先根据人工蜂群算法(ABC)特点构建强化学习(RL)框架下的状态集、动作集、奖励函数和最优混合搜索策略, 在此基础上, 提出一种深度双Q网络(DDQN) 来实现最优混合搜索策略, 通过该策略可智能选择合适的搜索动作来执行针对不同状态的局部搜索. 本文通过在标准数据集和实际生产数据上的测试及算法对比, 验证了所提学习型人工蜂群算法优化的双向GRU 网络(LABC BGRU)模型具有预测精度高、适用性强的特性.