排序方式: 共有11条查询结果,搜索用时 31 毫秒
1.
2.
臭氧净化对近江牡蛎的存活率和主要营养成分的影响 总被引:1,自引:0,他引:1
以细菌总数和大肠菌群为指标,探讨了臭氧对近江牡蛎的净化效果;并分析了臭氧净化处理对牡蛎存活率的影响以及净化前后牡蛎的主要营养成分变化.在净化温度20℃条件下,探讨了循环海水流量、贝水比时净化工艺的影响,得出最佳的近江牡蛎净化条件,并对该条件下净化前后牡蛎的存活率、主要营养成分进行了分析.实验结果表明:利用臭氧制备无菌海水(臭氧浓度0.15mg/L),在温度20℃、净化海水流量1.68t/h·m3、贝水比1∶10的条件下净化24h,细菌总数和大肠菌群指标符合海水贝类卫生标准(GB2744-1996).在净化过程中牡蛎的存活率达到100%,主要营养成分无显著变化. 相似文献
3.
BiVO4作为一种重要的半导体材料,因其具有无毒、价廉和稳定性好等优点,得到广泛的应用,但存在着
光电子和空穴容易复合,吸附性能不强、光催化率不高以及回收处理比较难等问题。本文通过水热法-化学沉积
方法制备AgBr/BiVO4复合光催化剂,通过XRD、PL、UV-DRS等方法分析表征物理化学性质,研究在可见光下对染料
酸性橙7的降解,结果表明AgBr/BiVO4可见光照射90min后可以降解97.86%的酸性橙7。 相似文献
4.
5.
用户行为画像分析是实现网络智能化的关键手段之一,而点击目标识别是构建用户行为画像的重要依据和基础。已有的工作主要为系统端设计,其只能反映用户对特定服务域的行为特征,不适合网络端的检测和管理。网络端用户行为分析面临的主要挑战是处于协议栈底层的网络管道无法获取应用层及系统端信息,只能依赖IP数据流,因此难以构建有效的网络端用户行为画像。因此,提出了一种新的面向中间网络的用户点击目标识别方法,该方法融合了隐马尔可夫模型(Hidden Markov Model, HMM)和神经网络(Neural Networks, NN)。HMM框架从IP流的角度描述点击流与非点击流的动态行为过程;NN用于建立HMM中的隐状态与复杂网络流行为特征之间的关系。通过评估待测请求序列与HMM-NN模型的拟合度来实现用户点击目标的识别。该方案的主要优点在于它继承了HMM的可解析性,并利用NN增强了HMM对复杂数据的描述能力;而且该方案不涉及IP流所承载的数据内容,适用于加密与非加密场景下网络端的点击行为识别,有效解决了网络端用户行为画像分析所面临的困难。基于多个实际数据集进行实验,结果表明该方案的3个常用评价指标F1... 相似文献
6.
7.
近江牡蛎在净化和生态冰温保活过程中主要营养成分的变化 总被引:1,自引:0,他引:1
近江牡蛎经过臭氧净化后分为薄膜包装组和散装组在5℃进行生态冰温保活;在净化前后和保活1、3、5、7、9d分别取样,分析上述过程中主要营养成分的变化。结果表明:净化前后牡蛎的主要营养成分基本未发生变化;在生态冰温保活过程中粗蛋白和水分基本保持稳定,粗脂肪和糖原呈明显下降趋势,而乳酸呈显著的上升趋势。与保活前相比,薄膜包装组粗脂肪、糖原分别降低了55.7%和29.2%,乳酸含量增加了57.3%;散装组脂肪、糖原分别降低了51.2%和41.0%,乳酸含量增加了107.7%。由结果可知,薄膜包装组主要营养成分的损失较小。 相似文献
8.
9.
10.