冷链条件下气调包装酱卤鸭肉制品货架期预测模型的建立

目的 以气调包装酱卤鸭肉制品为研究对象,在冷链温度范围内建立一套准确、高效的货架期预测模型。方法 利用选择性培养基测定不同温度下产品各微生物数量,确定4~25℃条件下产品优势腐败菌。对乳酸菌数量与感官评定值进行了回归分析确定最小腐败量Ns。分别采用修正的Gompertz方程和平方根方程建立一、二级模型,并通过预测值与实测值对比验证模型的可靠性。结果 确定了4~25℃条件下产品优势腐败菌为乳酸菌,最小腐败量Ns=6.14(lg(cfu /g))。一、二级模型拟合度均良好,三种温度下模型预测值与实际值间的差异均在30％左右,波动幅度在10%以内。结论 实现了对4~25℃内任何时间点产品剩余货架期的预测,为冷链条件下气调包装酱卤鸭肉制品品质的变化提供了理论指导。     

In situ Raman spectroscopic study towards the growth and excellent HER catalysis of Ni/Ni(OH)2 heterostructure

The electrochemical water splitting to produce H₂ in high efficiency with earth-abundant-metal catalysts remains a challenge. Here, we describe a simple “cyclic voltammetry + ageing” protocol at room temperature to activate Ni electrode (AC-Ni/NF) for hydrogen evolution reaction (HER), by which Ni/Ni(OH)₂ heterostructure is formed at the surface. In situ Raman spectroscopy reveals the gradual growth of Ni/Ni(OH)₂ heterostructure during the first 30 min of the aging treatment and combined with polarization measurements, it suggests a positive relation between the Ni/Ni(OH)₂ amount and HER performance of the electrode. The obtained AC-Ni/NF catalyst, with plentiful Ni–Ni(OH)₂ interfaces, exhibits remarkable performance towards HER, with the low overpotential of only 30 mV at a H₂-evolving current density of 10 mA/cm² and 153 mV at 100 mA/cm², as well as a small Tafel slope of 46.8 mV/dec in 1 M KOH electrolyte at ambient temperature. The excellent HER performance of the AC-Ni/NF could be maintained for at least 24 h without obvious decay. Ex situ experiments and in situ electrochemical-Raman spectroscopy along with density functional theory (DFT) calculations reveal that Ni/Ni(OH)₂ heterostructure, although partially reduced, can still persist during HER catalysis and it is the Ni–Ni(OH)₂ interface reducing the energy barrier of H1 adsorption thus promoting the HER performance.     

基于粒子群优化和支持向量机的花粉浓度预测模型

为了提高花粉浓度预报的准确率，解决现有花粉浓度预报准确率不高的问题，提出了一种基于粒子群优化（PSO）算法和支持向量机（SVM）的花粉浓度预报模型。首先，综合考虑气温、气温日较差、相对湿度、降水量、风力、日照时数等多种气象要素，选择与花粉浓度相关性较强的气象要素构成特征向量；其次，利用特征向量与花粉浓度数据建立SVM预测模型，并使用PSO算法找出最优参数；然后利用最优参数优化花粉浓度预测模型；最后，使用优化后的模型对花粉未来24 h浓度进行预测，并与未优化的SVM、多元线性回归法（MLR）、反向神经网络（BPNN）作对比。此外使用优化后的模型对某市南郊观象台和密云两个站点进行逐日花粉浓度预测。实验结果表明，相比其他预报方法，所提方法能有效提高花粉浓度未来24 h预测精度，并具有较高的泛化能力。     

一种使用多跳事实的端到端知识库实体描述生成方法

自动化实体描述生成有助于进一步提升知识图谱的应用价值,而流畅度高是实体描述文本的重要质量指标之一。该文提出使用知识库上多跳的事实来进行实体描述生成,从而贴近人工编撰的实体描述的行文风格,提升实体描述的流畅度。该文使用编码器—解码器框架,提出了一个端到端的神经网络模型,可以编码多跳的事实,并在解码器中使用关注机制对多跳事实进行表示。该文的实验结果表明,与基线模型相比,引入多跳事实后模型的BLEU-2和ROUGE-L等自动化指标分别提升约8.9个百分点和7.3个百分点。     

Evolution of Local Structural Ordering and Chemical Distribution upon Delithiation of a Rock Salt–Structured Li1.3Ta0.3Mn0.4O2 Cathode

Lithium‐rich disordered rock‐salt oxides have attracted great interest owing to their promising performance as Li‐ion battery cathodes. While experimental and theoretical efforts are critical in advancing this class of materials, a fundamental understanding of key property changes upon Li extraction is largely missing. In the present study, single‐crystal synthesis of a new disordered rock‐salt cathode material, Li_1.3Ta_0.3Mn_0.4O₂ (LTMO), and its use as a model compound to investigate Li concentration–driven evolution of local cationic ordering, charge compensation, and chemical distribution are reported. Through the combined use of 2D and 3D X‐ray nanotomography, it is shown that Li removal accompanied by oxygen oxidation is correlated with the development of morphological defects such as particle cracking. Chemical heterogeneity, quantified by subparticle level distribution of Mn valence state, is minimal during Mn redox, which drastically increases upon the formation of cracks during oxygen redox. Density functional theory and bond valence sum mismatch calculations reveal the presence of local short‐range ordering in the pristine oxide, which gradually disappears along with the extraction of Li. The study suggests that with cycling the transformation into true cation–disordered state can be expected, which likely impacts the voltage profile and obtainable energy density of the oxide cathodes.     

计及Spark和属性权重的售电套餐推荐方法

针对电力市场用户群庞大，交易过程中售电套餐选择困难的问题，在Spark环境下设计了一种售电套餐推荐方法，同时也解决了售电套餐推荐过程中在大数据环境下的可扩展性及实时性问题。首先，计算出每个套餐属性的权重值，从而计算得到售电套餐综合相似度。然后，计及用户和套餐两方面提出一种售电套餐推荐方法，实现售电套餐的精准推荐。实验表明，提出的推荐方法能够明显提高推荐的准确度，并且在分布式环境下具有良好的推荐效率和可扩展性。     

基于高频损耗比的干式空心电抗器制造缺陷检测方法及应用探讨

本文通过分析电抗器因制造工艺导致少匝和极限工艺偏差时600Hz损耗,提出高频损耗可作为电抗器制造缺陷的检测手段及其适用范围,并以600Hz的实测损耗与理论损耗之比是否超过1.5作为判据,以同组任两台损耗之比是否超过1.5作为辅助判据,同时列举应用实例.     

基于模糊谱聚类的不确定蛋白质相互作用网络功能模块挖掘

针对谱聚类融合模糊C-means（FCM）聚类的蛋白质相互作用（PPI）网络功能模块挖掘方法准确率不高、执行效率较低和易受假阳性影响的问题，提出一种基于模糊谱聚类的不确定PPI网络功能模块挖掘（FSC-FM）方法。首先，构建一个不确定PPI网络模型，使用边聚集系数给每一条蛋白质交互作用赋予一个存在概率测度，克服假阳性对实验结果的影响；第二，利用基于边聚集系数流行距离（FEC）策略改进谱聚类中的相似度计算，解决谱聚类算法对尺度参数敏感的问题，进而利用谱聚类算法对不确定PPI网络数据进行预处理，降低数据的维数，提高聚类的准确率；第三，设计基于密度的概率中心选取策略（DPCS）解决模糊C-means算法对初始聚类中心和聚类数目敏感的问题，并对预处理后的PPI数据进行FCM聚类，提高聚类的执行效率以及灵敏度；最后，采用改进的边期望稠密度（EED）对挖掘出的蛋白质功能模块进行过滤。在酵母菌DIP数据集上运行各个算法可知，FSC-FM与基于不确定图模型的检测蛋白质复合物（DCU）算法相比，F-measure值提高了27.92%，执行效率提高了27.92%；与在动态蛋白质相互作用网络中识别复合物的方法（CDUN）、演化算法（EA）、医学基因或蛋白质预测算法（MGPPA）相比也有更高的F-measure值和执行效率。实验结果表明，在不确定PPI网络中，FSC-FM适合用于功能模块的挖掘。