李汁饮料的工艺研究

本文完整地描述了李汁的全部生产过程，并对榨汁条件、护色剂处理、品味调配等作了许多有益的探索．     

超滤分离纯化麦胚蛋白酶解物的研究

采用超滤法从麦胚蛋白酶解物中初步分离纯化抗氧化活性肽,考察了操作压力、操作温度及料液浓度等工艺参数对超滤过程中膜通量的影响,并对超滤前后麦胚蛋白酶解物的相对分子质量分布、氨基酸组成及抗氧化活性进行了比较.结果表明:采用截留相对分子质量3000的聚砜膜对麦胚蛋白酶解物进行超滤分离的最适工艺条件为操作压力0.30 MPa、操作温度20 ℃、麦胚蛋白酶解物浓度35 g/L;超滤有效地除去了料液中相对分子质量较大的组分,麦胚蛋白酶解物中相对分子质量1 000～500及500～130的组分分别为23.81%、48.63%,其抗氧化活性得到提高,清除O2-·的IC50由超滤前的1.64 mg·mL-1降至超滤后的1.29 mg·mL-1.图5,表3,参13.     

基于MLP&ST模型的空气质量预测

针对目前大多数模型均为对已监测区域的空气质量进行预测，而少有对未监测区域进行预测的问题，综合考虑气象因素、空间相关性和时间依赖性对空气质量的影响，提出了一种联合训练模型MLP&ST(MLP&spatial-temporal)，模拟预测北京市未监测区域未来时刻的空气质量指数（air quality index, AQI）。通过实验结果对比确定最佳历史时间步长P值为29；然后将模型与其他空气质量预测模型进行对比。实验结果表明，MLP&ST模型在3种评价指标下（RMSE,MAE,MAPE）皆优于其他对比模型，验证了所提出模型具有良好的预测效果。     

基于多尺度LSTM预测模型研究

航空发动机剩余寿命（remaining useful life,RUL）预测是设备故障预测与健康管理（prognostics and health management,PHM）的核心问题。针对发动机数据维度高、滞后性强和复杂度高等挑战,提出了一种基于自训练权重的多尺度注意力双向长短期记忆神经网络模型。通过不同尺度的双向长短期记忆神经网络（bidirectional long short-term memory neural network,BiLSTM）提取多尺度特征;提出一种基于自训练权重的融合算法,通过引入注意力机制进行不同尺度的特征筛选,以提高预测精度。将各模型在NASA的C-MAPSS数据集上进行实验对比,结果证明,所提出预测模型在准确率和均方根误差指标上均有所提升。     

基于Stacking集成学习的流失用户预测方法

利用机器学习算法对商业活动中普遍存在的客户流失问题进行预测.借鉴了Bagging的自助采样法思想,提出了一种基于自助采样法的Stacking集成方法.首先对数据集进行多次采样并加入属性扰动,然后使用所得数据子集训练基分类器副本,基分类器决策结果由基分类器所对应的副本投票决定.最后在真实数据集中进行流失客户预测实验,结果显示,该文提出的方法在准确率、查准率和F1值3项指标上均好于所有基分类器和同结构的经典Stacking集成方法.