传统牦牛酸奶源高产胞外多糖乳酸菌特性及发酵性能

为了研究四川藏区传统牦牛酸奶中高产胞外多糖乳酸菌特性及发酵性能，以本实验室分离出的六株高产胞外多糖乳酸菌为研究对象，以菌株生长量、耐酸性、胆盐耐受力、渗透压耐受力和细胞表面疏水性为指标进行特性研究；以发酵酸奶的凝乳时间、持水力、酸化及后酸化能力、挥发性物质及质构等为指标进行发酵性能研究。菌株的生长曲线表明，6株菌株分别在14 h（218、276、266）、16 h（271、285、231）进入对数生长稳定期，其中编号218的菌株生长量最高，OD值为2.188。耐受性实验结果表明，菌株276具有良好的耐酸能力（P<0.05）；菌株266、218、231耐胆盐的能力较强；6株菌株均具有较好的耐渗透压的能力，其中菌株285对高渗透压的耐受性较强；菌株285和218在两种有机试剂中的疏水性均显著（P<0.05）高于其他菌株，且与十六烷的结合效果较好。发酵试验结果表明，6株菌株所发酵酸奶均在6~8 h内凝固，酸乳在冷藏期间，活菌数均保持在107 CFU/mL以上，均符合发酵剂的标准，其中菌株276的最高为3.22×106 CFU/mL；菌株218发酵制得的酸奶质构特性较好，持水力和酸化能力较其余菌株均最强，分别为60.98%和83 °T；菌株276、266抗后酸化能力较好；菌株231产香性能最优，乙醛含量为24~26 μg/mL，双乙酰含量为1.58~3.73 μg/mL，能够明显改善酸奶的风味。通过综合比较6株高产胞外多糖乳酸菌特性及发酵性能，菌株218为一株性能良好、具有良好稳定性的菌株，可作为乳酸菌发酵剂且具有一定的应用潜力。研究为利用四川藏区传统牦牛酸奶中分离出的高产胞外多糖乳酸菌在发酵乳制品的应用提供理论依据。     

基于禁忌搜索的晶体位置谱分割与校准方法

为满足不同规格晶体探测器对分割校准晶体条响应事件位置数据的需求，开发了一种以禁忌搜索算法为核心，结合UDP数据帧、二维高斯模型及光导折射率的位置信息分割校准方法。实验结果表明，本方法在溢出率为5%时，峰谷比可达1218，空间分辨率达17 mm，晶体条响应位置识别准确度高达99%，滤除了引发伪峰的噪声，避免了过分割问题。在面对多种规格晶体阵列的位置谱时，本方法能依照阵列规格将晶体条区域的响应自动校准编号并输出晶体位置查找表，实现响应事件的精确校准。     

影响荔枝酒发酵过程中挥发酸的因素

挥发酸的控制是荔枝酒的生产过程中的重要技术瓶颈,发酵过程易造成荔枝果酒挥     

超高效液相色谱-串联质谱法同时检测糕点中6种甜味剂

目的建立超高效液相色谱-串联质谱法同时测定糕点中6种常用合成甜味剂的分析方法。方法选用超纯水作为提取溶剂,涡旋和超声提取后,低温离心,取部分上清液加入正己烷除脂,Waters Atlantis■T3色谱柱、甲醇-5 mmol/L甲酸铵(含0.1%甲酸)作为流动相、亲水亲脂平衡型固相萃取柱HLB(hydrophile-lipophile balance)净化。结果6种甜味剂在质量浓度为10~200 ng/mL的曲线范围内呈良好线性关系,相关系数r均大于0.999,平均加标回收率在85.0%-98.2%之间,相对平均偏差(relative standard deviation,RSD)为1.3%~6.7%。结论该方法具有前处理简单、灵敏度高、检测速度快等优点,适合糖精钠、甜蜜素、三氯蔗糖、阿斯巴甜、阿力甜、纽甜的检测,但不适用于安赛蜜的检测。     

某化工厂污水处理运行管理实践

简要介绍某化工厂污水处理装置日常运行管理,通过技术改造及优化调整运行参数,在装置开停工或装置工况异常产生的高负荷冲击下,确保污水生化处理系统稳定运行.     

基于面元素重排的三维网格模型数据隐藏算法

目的 为了解决目前三维数据隐藏算法不能兼顾无失真和盲提取的问题，提出一种新的完全无失真的三维网格模型数据隐藏盲算法。方法 首先使用混沌逻辑映射选择嵌入与提取模式，保证数据的安全性。然后利用面元素重排，完全不会造成三维模型失真的性质，通过不同嵌入模式规则对三角面元素进行重排，以嵌入秘密数据。接收端则可根据相应的提取模式规则提取秘密数据。结果 仿真结果与分析表明，该算法不会对三维模型造成任何失真，嵌入容量为每顶点2比特，且能抵抗仿射变换攻击、噪声攻击和平滑攻击等。结论 这种三维数据隐藏盲算法无失真，容量大、安全性高、鲁棒性强，适用于三维载体不容修改的情形，如军事、医学、秘密通信和版权保护等。     

基于网络的决策支持系统在水资源管理中的应用

综述了决策支持系统(DSS)与基于网络的决策支持系统(Web-based DSS)在水资源管理中的应用概况,通过对二者进行比较,指出Web-based DSS具有便于系统更新维护、降低用户使用门槛、扩展用户沟通渠道等优势。对Web-based DSS涉及的基础应用开发、多源信息采集与集成、多模块并行耦合、决策效果评估等关键技术进行了分析,探讨了Web-based DSS在多源异构大数据环境下面临的问题与挑战。