单增李斯特菌在牛奶中生长曲线的拟合和预测模型的建立

通过生长动力学曲线拟合,建立牛奶中单增李斯特菌的生长预测模型。比较了5、15、25和35℃条件下Gompertz方程、Logistic方程和Hill方程的拟合情况,确定Gompertz方程为单增李斯特菌在牛奶中最优的初级模型。采用Belehradek方程描述温度对最大生长速率和延滞时间的影响,结果表明它们之间成良好的线性关系(R2分别为0.9721和0.9747),并建立了相应的二级模型。对20℃条件下由预测模型构建的微生物生长动力学方程进行了验证,同时对模型的可靠性进行了分析,结果表明预测值和真实值的残差均小于0.2,模型的偏差度为1.04,准确度为1.13,表明建立的模型有效且可靠。在已知初始菌数的情况下,可以根据模型快速预测5~35℃条件下不同贮藏时间点单增李斯特菌在牛奶中的生长情况。      

基于BP神经网络及其改进算法的织机效率预测

为准确预测纺织厂织布车间的织机效率,提出利用BP神经网络、主成分分析结合BP神经网络(PCA-BP)、遗传算法改进BP神经网络(GA-BP)3种模型预测织机效率,并将GA-BP预测模型与传统BP神经网络和PCA-BP预测模型的预测结果进行对比分析。结果表明:GA-BP对原始数据的拟合度最好,相关系数为0.946 87, 比BP增加了6.42%,比PCA-BP增加了2.61%;GA-BP、PCA-BP、BP这3种网络十万入纬的经停仿真值与期望值间的平均误差分别为0.341 2、0.303 1、0.234 1,误差百分率分别为8.63%、7.67%、5.92%,不同网络结构下织机效率仿真预测值与期望值间的平均误差分别为3.010 9、2.688 4、2.118 9,误差百分率分别为3.51%、3.13%、2.47%;3种模型的预测准确度顺序由大到小为GA-BP、PCA-BP、BP。     

原料乳中金黄色葡萄球菌的风险评估及防控策略的建立

通过对黑龙江省部分奶牛场及奶户进行抽样调查,确定金黄色葡萄球菌(S.aureus)为原料奶中的特征性致病菌,追溯分析其来源,进行肠毒素检测和耐药性分析,采取预测微生物学的方法,建立了原料奶中S.aureus的最适生长模型.同时.结合S.aureus的流行病学资料以及对黑龙江省原料奶收购过程的调查,应用Palisade公司开发的@RISK软件完成了原料乳中S.aureus的风险评估报告.最终建立原料奶中金黄色葡萄球菌的防控措施.     

水产品新鲜度综合评价与货架期预测模型的构建研究进展

对近年来水产品新鲜度的评价方法进行了分析,包括传统的评价方法和国内外最新的方法;同时介绍了水产品的货架期预测模型,包括一级、二级和三级模型;最后提出了水产品新鲜度综合评价和货架期模型构建的主要问题和研究方向,以期为今后水产品的品质和相关保鲜技术的研发提供一定参考。     

副溶血性弧菌温度-pH双因素预警模型的建立

以副溶血性弧菌VpBJ1.1997为研究对象,采用均匀设计实验方法,建立并验证了温度范围为7～43℃,pH范围为5.5～10.0的生长动力学模型。结果表明,所选一级模型的拟合效果优劣依次为Logistic方程>Gompertz方程>Linear方程,以Logistic方程为一级模型计算生长参数;二级模型采用平方根模型进行拟合,得到模型相关系数r为0.9739,最低生长温度为11.7769℃,最低生长pH为7.38,经F检验和偏差因子、准确因子验证,模型可接受。     

卷烟销量组合预测模型研究

  目的  为进一步提高卷烟月度销量预测精度,  方法  本文选择ARIMA模型、基于梯度下降算法的BP神经网络模型、基于Levenberg-Marquardt算法改进的BP神经网络模型等3种模型为单项预测模型, 并利用BP神经网络对各单项预测模型进行动态加权, 构建非线性组合模型对全国卷烟月度数据进行预测。首先, 利用各单项预测方法对卷烟历史数据进行仿真拟合, 并对2018年1~4月的销量进行预测; 其次, 构建非线性组合预测模型, 对3个单项预测模型的拟合及预测结果进行动态加权, 充分利用各个模型的优势, 获取销量数据的各方面的信息。  结果  研究表明, 相比于单项预测模型, 组合预测模型误差绝对值均小于当月的日均销售量, 预测误差更加均衡, 结果更加平稳, 适应性更强, 更符合卷烟销售的实际情况。      

基于服装定制的女性人体美预测模型的建立

服装定制是服装工业生产的新趋势,修饰和美化人体是服装定制的基本功能之一。通过对三维人体扫描数据进行回归分析,得到影响人体美的11个重要身体尺寸;以这11个尺寸为基础共选择了15个可反映女性体形特征的主要人体比例。通过对15个主要人体比例的主元分析、二次型分析等建立了人体美预测模型。根据模型,可以定位个体在形体上存在不足的部位,在服装定制时利用服装进行修饰,以到达美化人体的目的,从而为个性化服装设计提供理论基础。     

腺嘌呤核苷三磷酸生物发光法快速检测短乳杆菌

啤酒酿造过程中的有害微生物及有机质残留检测与控制是防止微生物污染、保障啤酒质量的主要控制因素。该文以腺嘌呤核苷三磷酸(adenosine triphosphate,ATP)生物发光法为基础,建立啤酒酿造过程中微生物污染风险的快速评估方法。采用便携式ATP荧光检测仪对表面人工污染的短乳杆菌、梯度稀释的短乳杆菌菌悬液和啤酒有机质残留进行检测,分别对相对荧光单位(relative luciferase unit,RLU)和表面细菌总数、细菌浓度和啤酒有机质残留进行相关性分析,并建立预测模型。结果显示,表面细菌总数、水质细菌浓度和啤酒有机质残留预测模型的相关系数均> 0.9(P <0.05),其中啤酒有机质残留预测模型的相关系数最高(R²=0.994)。基于便携式ATP快速荧光检测系统建立的表面短乳杆菌总数、水质短乳杆菌浓度和啤酒有机质残留预测模型,可对啤酒酿造过程中卫生学检验提供有效的实时监控,也为ATP生物发光法在食品质量安全的应用提供了理论支撑。     

半紧身裙造型特征主观评价的群体决策与预测

提出半紧身裙造型特征主观评价指标为形式感、体量感、平衡感、运动感、悬垂感、节奏感、稳重感、均匀感、贴体感、平服感等。以18位服装设计师、服装工艺师和服装销售专家组成专家评判组对41种不同面料构成的半紧身裙造型特征作出主观评价,通过群体决策得到半紧身裙的总造型值(TSV),用BP神经网络构建了半紧身裙总造型值的预测模型。将FAST系统测量的面料力学性能指标作为神经网络模型的输入层,总造型值作为输出层。通过对任选8只样本的预测值和实测值的线性回归分析发现,该模型有很好的预测精度。     

微生物预测模型研究及其在肉品工业中的应用

预测微生物的数学模型可以对食品中微生物的生长、残存和死亡进行数量化预测.简述了预测微生物的数学模型研究食品微生物行为的理由.介绍了微生物预测模型的研究概况及其在肉类工业中的应用情况.对目前存在的问题和未来的发展进行了分析和总结.