凤城市玉米机械化收获发展的实施办法

玉米是辽宁省凤城市重要的粮食作物。但长期以来以人工收获为主,机械化收割水平较低。为解决这一问题,凤城市从6个方面采取有效措施,推动了当地玉米机械化收获的发展。     

谷氨酰胺转移酶提高奶油干酪得率的研究

谷氨酰胺转移酶具有交联蛋白,提高产率的作用,本文通过单因素实验,把TG酶应用到奶油干酪中,分别研究不同添加量(0.004％、0.04％、0.4％)、不同添加方式(发酵剂和TG酶同时加入,再加入凝乳酶;发酵剂加入后,再加入凝乳酶和TG酶,以及添加发酵剂后,再加入TG酶)对奶油干酪的品质及产率的影响.确定TG酶最适的添加量和添加方式为发酵剂和0.04％ TG酶同时加入后,再加入凝乳酶,可以提高奶油干酪的品质及产率,化学成分及pH符合标准.     

RP-HPLC法分离和定量测定未变性的乳清蛋白成分

建立了一种基于反相高效液相色谱(RP-HPLC)来分离并定量测定脱脂乳、加热脱脂乳及脱脂乳粉中未变性的乳清蛋白的分析方法。采用Venusil ASB-C8色谱柱;流速0.8 mL/min;检测波长215 nm;柱温30℃;流动相A为体积分数0.1%的三氟乙酸水溶液;流动相B为体积分数0.1%的三氟乙酸乙腈溶液;洗脱方式:流动相B开始在38%下等度洗脱2 min,然后在5 min内上升到43%,最后在43%下等度洗脱13 min。此方法在20 min内将4种乳清蛋白组分分离且各蛋白线性关系良好,适合定性和定量检测未变性的乳清蛋白组分。     

保加利亚乳杆菌发酵乳清的抗氧化性研究

通过控制初始发酵条件:pH6.0、发酵温度39℃,可以提高发酵乳清清除羟基自由基和DPPH.的能力。在发酵20h内,随着乳清蛋白水解度的增加,发酵乳清清除羟自由基和DPPH.的能力也随之增大,在发酵20h时达到最大,分别为48.06%和73.52%,发酵乳清清除羟自由基和DPPH.的能力与未发酵乳清相比分别提高了22.73%和46.09%,与保加利亚乳杆菌菌体相比分别提高了23.75%和40.63%。探讨了蛋白水解度和保加利亚乳杆菌活菌数和抗氧化活性之间的关系。20h后,发酵液自由基清除能力与水解度之间没有正相关性,因此不能采用蛋白水解度作为评价发酵乳清抗氧化性的指标。本研究对可能影响保加利亚乳杆菌发酵乳清抗氧化性的因素进行探讨,为开发功能性乳清产品奠定了理论和实践基础。     

酶法改性干酪风味配料的加工技术

酶改性干酪(EMC)作为酶法改性干酪风味配料的主要产品,可以赋予风味平淡的产品以特殊的干酪风味特性.本文介绍了EMC生产工艺以及生产过程中所用的酶和发酵剂.     

Camembert干酪成熟期间理化特性研究

对Camembert干酪成熟期间理化特性的研究表明:成熟前期水分含量减少,后期基本不变;外部和内部的pH值都呈先下降后上升的变化趋势;干酪成熟过程中由于乳酸菌和霉菌产生的蛋白酶的作用使蛋白发生强烈水解.pH4.6的可溶性氮、质量分数为12%的三氯乙酸可溶性氮和游离脂肪酸(FAA)含量都呈明显增加趋势;成熟过程中TPA各项指标均会有不同程度的下降.     

内蒙古查布干山地区成矿规律及找矿方向

查布干山地区研究区位于内蒙古巴林左旗和阿鲁科尔沁旗辖区内,区内已发现铜、银、金、铅、锌、铁多金属矿（化）点27处,矿（化）点分布受地层、构造、岩浆岩控制明显,成因类型以岩浆热液型为主。为探讨内蒙古查布干山地区成矿规律及找矿方向,根据区域成矿地质背景、矿（化）点分布规律、矿产空间分布特征以及化探异常分布特点,研究区圈出老鹞子山-化匠营子、红土井子-好来宝山、西新井-先锋西山、张家店-白音敖包山、凤凰山-双山子等5个成矿预测远景区和胜龙窝铺、孤山子北、好来宝山、红土井子南山、孤山子南山、西新井、少蒙沟、索贝山北、先锋西山、张家店等10个找矿靶区,为下步找矿提供了方向。     

盐水腌制对于Mozzarella干酪成分及功能特性的影响

以盐水腌制工艺制作Mozzarella干酪,研究了腌制时不同的NaCl质量分数、成熟期以及不同的干酪部位对Mozzarella干酪的粗成分、功能特性及蛋白质水解的影响.结果表明,NaCl质量分数提高,游离油脂与可榨乳浆生成量减少.对蛋白质水解影响不显著;成熟期增加,游离油脂生成量与蛋白质水解程度都提高,可榨乳浆生成量降低;干酪外部的游离油脂生成量低于千酪中心游离油脂的生成量,但三者对粗成分的影响不明显.     

独立学院学生心理健康问题与教育对策

根据世界卫生组织对健康所下的定义,一个人健康与否,除了从生理健康的角度看其有无生物学意义上的病症之外,还要看其心理及社会适应方面有无问题.独立学院学生是大学生群体中的特殊部分,与普通本科生相比,他们的心理健康状况有特殊性.因此,在分析产生心理问题原因的基础上,应采取多种方法提高独立学院大学生的心理健康水平.     

基于VMD的CNN-BiLSTM超短期风电功率多步区间预测

风能是随机波动的不稳定能源,大规模风电并入电网将对电网稳定性造成很大影响,有效预测风电功率区间将极大提高电网经济性与稳定性。针对风电功率数据的非线性,非平稳特性,提出一种基于VMD的CNN-BiLSTM超短期风电功率多步区间预测方法。首先对风电功率数据进行小幅上下波动,形成CNN-BiLSTM模型的初始上下限。其次运用变分模态分解(VMD)分别将上下限数据分解为若干个子分量,以降低风电功率时间序列的非平稳特性。然后将子分量输入CNN-BiLSTM模型,得到风电功率预测区间。最后以改进覆盖宽度准则为目标函数优化区间,得到给定置信水平下的风电功率预测区间。使用某风电场实际运行数据,与CNN-GRU、CNN-LSTM、KELM、SVR这4种模型作比,验证结果表明基于VMD的CNN-BiLSTM超短期风电功率多步区间预测方法可有效提高风力发电超短期区间预测精度。