白酒理化指标及其与香气品质的关系

为了完善白酒的质量评价体系,通过测定76 个白酒样本的理化特性,在此基础上,将所测各项理化指标与通过专家品评获得的香气品质指标进行相关性分析。结果显示,理化指标中总酸与白酒香气强度、香气协调性呈正相关,相关性最强。分析发现,化学指标(总酸、总酯)对白酒的香气品质的影响比较大,物理指标(白利糖度、电导率和黏度)对白酒香气品质影响很小。     

基于最优化估算和贝叶斯统计的TOC预测技术

致密岩层中总有机碳（TOC）含量往往直接指示了油气藏的所在,但致密岩层往往岩性配置复杂,利用常规地球物理技术难以识别有效烃源岩。研究提出一种基于最优化估算和贝叶斯统计分类的TOC井-震联合预测技术,即将常规方法估算的TOC作为初始值,利用构建的岩石密度计算模型和最优化理论对TOC初始值进行校正,得到与实验室样点最佳匹配的TOC测井曲线;在TOC敏感参数分析的基础上,采用贝叶斯统计分类方法将反演的TOC敏感参数转换为TOC概率体空间分布。实际应用于湖相致密泥灰岩预测,为高产油井ST3井的部署提供了可靠依据,并验证了该技术的有效性。该项技术可推广应用于具有类似地质背景的有效烃源岩预测。     

γ-谷氨酰转肽酶的催化特性及其在食品领域应用研究进展

γ-谷氨酰转肽酶广泛存在于生物体中,可以专一性催化γ-谷氨酰基的转移反应,参与生物体内谷胱甘肽代谢和γ-谷氨酰基循环等生理过程。随着食品酶学、合成生物学技术的发展,γ-谷氨酰转肽酶在生物催化领域的应用也日渐受到重视。基于其水解和转肽催化活性,γ-谷氨酰转肽酶可被应用于茶氨酸等多种γ-谷氨酰化合物的生物催化合成。利用酶工程手段进一步优化γ-谷氨酰转肽酶的催化特性,提高目标产物产率,使得γ-谷氨酰转肽酶在食品功能因子的绿色生物制造领域具有较好的应用前景。文章综述了γ-谷氨酰转肽酶的分子结构、催化机制及其在食品工业中的应用现状,并重点关注γ-谷氨酰转肽酶的分子改造及其在催化合成L-茶氨酸领域的应用,以期为γ-谷氨酰转肽酶在食品领域的研究及应用提供参考。     

Ru-Co/SiO2催化剂的TPR还原动力学

采用TPR法研究了Co3O4粉末、Co/SiO2催化剂、Ru-Co/SiO2催化剂的还原动力学,求出了这几种物质的还原活化能。结果表明,这几种物质的还原过程均分2步进行,即Co3O4→CoO→Co。3种样品中,Co3O4→CoO的还原活化能均高于CoO→Co的还原活化能。Co/SiO2催化剂中,对应于Co3O4 CoO及CoO Co的还原过程的活化能均大于Co3O4粉末,其中第1步的活化能增加较大,而第2步次之,表明Co物种与SiO2载体存在着相互作用力;在每个升温速率下的初始还原温度均降低,表明负载后的催化剂提高了氢气的扩散能力。Ru-Co/SiO2催化剂还原过程与Co3O4粉末相比,Co3O4→CoO的还原活化能增大,而CoO→Co的还原活化能降低,初始还原温度进一步降低,表明Ru助剂的加入通过改变了Co/SiO2催化剂的还原历程。     

修正激励函数的BP算法的研究

本文对基于梯度下降的标准BP算法进行了深入研究,提出了修正激励函数的BP算法,它能有效克服标准BP算法中Sigmoid函数的不足,加快网络学习速率。在模型预测控制的建模和预测中,将基于该算法的神经网络与基于标准BP算法的神经网络、基于带动量项的BP算法的神经网络、基于自适应调整学习率BP算法的神经网络、基于自适应调整学习步长和动量项4算法的神经网络进行仿真比较,它在预报准确率和学习速度方面都取得了令人满意的结果。     

银行金融信息网络安全技术概述

本语文主要论述银行金融信息网络安全技术。介绍目前在银行比较常用的安全技术：加密、数字签名和身份鉴别。     

椭圆曲线密码体制理论与其安全性研究

从椭圆曲线的相关概念出发,探讨了椭圆曲线公钥密码体制的安全性,将对应于公钥密码系统的两种加密算法ECC和RSA进行了比较,说明了椭圆曲线公钥密码体制的优越性。     

优化工艺参数 提高地毯质量

丙纶簇绒地毯的生产在我国是一个新兴的工业,所用设备多从国外引进。在采用这些设备组织生产中,国内许多厂都曾出现过技术跟不上,质量不过关等问题。其中地毯折皱就是其中一个十分突出的问题。大连麻纺织厂地毯分厂在1989年将这一问题列为攻关课题,经过理论分析,抓住地毯烘干发生折皱的关键因素,对工艺参数进行优选,解决了这个问题,使地毯质量及其经济效益有了明显提高。     

唐山市电厂--建华道主干线供热工程施工

论述了大管径供热管道直埋施工，在城市管网改造中的施工方法和质量控制。     

鲁棒自适应对称非负矩阵分解聚类算法

对称非负矩阵分解SNMF作为一种基于图的聚类算法,能够更自然地捕获图表示中嵌入的聚类结构,并且在线性和非线性流形上获得更好的聚类结果,但对变量的初始化比较敏感。另外,标准的SNMF算法利用误差平方和来衡量分解的质量,对噪声和异常值敏感。为了解决这些问题,在集成学习视角下,提出一种鲁棒自适应对称非负矩阵分解聚类算法RS³NMF(robust self-adaptived symmetric nonnegative matrix factorization)。基于L_2,1范数的RS³NMF模型缓解了噪声和异常值的影响,保持了特征旋转不变性,提高了模型的鲁棒性。同时,在不借助任何附加信息的前提下,利用SNMF对初始化特征的敏感性来逐步增强聚类性能。采用交替迭代方法优化,并保证目标函数值的收敛性。大量实验结果表明,所提RS³NMF算法优于其他先进的算法,具有较强的鲁棒性。