课程文献中心 更多>>

关键词： 食品抽样   误差   抽样方法  

摘要： 食品安全一直是公众关注的重点,食品质量检测在保障食品安全中起着重要作用。抽样作为质量检测的基础,其准确性直接影响到检测结果的可靠性。然而,在实际抽样过程中,常常会由于多种因素引发误差,准确的抽样方法是确保食品检测结果科学、公正的关键。文章主要研究了食品抽样误差来源以及精准抽样方法,旨在有效减少误差,确保检测结果的可靠性。

关键词： 核桃   风选   高速摄像   悬浮速度   区间估计  

摘要： 壳仁分离是核桃深加工的首要环节,针对核桃壳仁物料较不规则、空气动力学关键参数难以准确测量等问题,该研究采用仿真分析与区间估计相结合的方法,研究核桃壳仁物料的气动特性并进行试验。首先,采用CFDDEM(Computational fluid dynamics,Discrete element method)方法仿真模拟了壳仁物料在气流中的运动,根据壳仁物料的运动轨迹和流场的流速分布,得出了二分壳、四分壳、八分壳、二分仁、四分仁、八分仁,6类物料的仿真悬浮速度范围。其次,以仿真结果为参考搭建试验台架,在台架试验中利用高速摄像技术记录壳仁物料的运动情况,并对物料在不同风速区间内的分布情况进行统计分析,经K-S检验,腔体内6类物料在气流中的位置分布均呈正态分布。最后,基于各类物料统计数据进行高斯拟合,并根据区间估计方法统计得出各类物料的悬浮速度范围为:二分壳7.25~9.50 m/s、四分壳6.90~8.95 m/s、八分壳6.20~7.75 m/s、二分仁9.20~14.85 m/s、四分仁9.60~14.55 m/s、八分仁9.30~11.45 m/s。通过对试验结果的分析,得到壳仁风选设备的较佳风选速度范围为9.0~9.4 m/s;同时,对悬浮速度的理论计算公式进行了修正,得到适用于漾濞核桃的形状修正系数为:二分壳3.82、四分壳3.06、八分壳2.80、二分仁1.49、四分仁1.12、八分仁1.17。此外,结合仿真和台架试验,研究分析了壳仁堆叠现象的成因及其对风选分离效果的潜在影响。研究表明:通过增加壳、仁物料在气流中的旋转运动,可减少堆叠现象的发生,有助于提升壳仁分离效率。该研究提出的悬浮速度区间估计方法可为不规则农业物料的气动特性分析及其关键参数测量提供参考。

关键词： 锂电池   健康状态   高斯过程回归   区间估计   组合核函数  

摘要： 锂电池健康状态(state of health, SOH)的退化过程在一定程度上是一个非平稳随机过程,使得当前多数点估计机器学习方法在实际应用中受到限制。基于贝叶斯理论的高斯过程回归(Gaussian process regression,GPR),因可输出估计结果的不确定性,近年来在锂电池SOH区间估计中得到广泛应用。然而,GPR的性能很大程度上取决于其核函数的选择,当前研究多凭借经验选用固定单一核函数,无法适应不同的数据集。为此,本文提出一种基于自适应最优组合核函数GPR的锂电池SOH区间估计方法。该方法首先从电池充放电数据中提取出多个健康因子(health factor, HF),并采用皮尔森相关系数法优选出6个与SOH高度相关的健康因子作为模型的输入。然后,在当前常用的7个核函数集合上,通过两两随机组合构造新的组合核函数,并利用交叉验证自适应优选出最优组合核函数。采用3个不同数据集对所提方法进行了验证,结果表明:本文方法具有出色的SOH区间估计性能。在3个公开数据集上,平均区间宽度指标在0.0509以内,平均区间分数大于-0.0004,均方根误差小于0.0181。

关键词： 咳嗽变异性哮喘   呼出气一氧化氮   小气道功能   诊断价值  

摘要： 目的探讨呼出气一氧化氮(FeNO)联合小气道功能指标检测对咳嗽变异性哮喘(CVA)的诊断价值。方法选择2023年3月至2024年2月在广西壮族自治区人民医院呼吸与危重症医学科门诊就诊的慢性咳嗽患者140例为研究对象,根据疾病诊断结果将其分为CVA组(43例)和非CVA组(97例)。比较两组基线资料、FeNO水平和小气道功能,分析FeNO联合小气道功能指标检测对CVA的诊断效能。结果CVA组呼气流速在50 mL/s时测定的NO浓度(FeNO 50)(53.00 ppb vs 19.00 ppb)、呼气流速在200 mL/s时测定的NO浓度(FeNO 200)(19.00 ppb vs 8.00 ppb)、肺泡一氧化氮(CaNO)(5.20 ppb vs 3.30 ppb)水平高于非CVA组,差异有统计学意义(P<0.05)。CVA组中合并小气道功能障碍患者比无小气道功能障碍者FeNO 50水平显著增高(64.50 ppb vs 26.00 ppb,P<0.05)。受试者工作特征(ROC)曲线分析结果显示,FeNO联合小气道功能指标最大呼气中期流量(MMEF)、肺活量25%时的最大呼气流量(MEF 25%)对CVA有一定的诊断价值(P<0.05),其中FeNO 50联合MMEF对CVA的诊断价值更优[曲线下面积(AUC)(95%CI)=0.79(0.70,0.87)]。结论CVA患者FeNO水平明显高于非CVA患者,FeNO联合小气道功能指标检测对CVA有较高的诊断价值。

关键词： 2型糖尿病   血压变异性   肾脏病   肾小管  

摘要： 目的通过对无高血压及蛋白尿的2型糖尿病(T2DM)患者的血压变异性及尿中肾小管损伤相关指标的观察,探讨血压变异性对T2DM患者肾小管损伤的影响。方法选取2021年1月至2023年6月在潍坊内分泌与代谢病医院治疗的129例T2DM患者作为研究对象,根据24 h动态血压监测中夜间血压下降比值分为非杓型组(68例)和杓型组(61例)。比较两组患者尿中N-乙酰-β-D-氨基葡萄糖苷酶(NAG)、β_(2)-微球蛋白(β_(2)-MG)、视黄醇结合蛋白(RBP)与肌酐(Cr)比值的差异,同时分析24 h收缩压变异性(24 h SBPV)、白天收缩压变异性(dSBPV)、夜间收缩压变异性(nSBPV)及24 h舒张压变异性(24 h DBPV)、白天舒张压变异性(dDBPV)、夜间舒张压变异性(nDBPV)与尿中NAG、β_(2)-MG、RBP之间的相关性。结果杓型组24 h SBPV、24 h DBPV、dSBPV、dDBPV、nSBPV、nDBPV高于非杓型组,差异有统计学意义(P<0.05)。杓型组尿中NAG、β_(2)-MG/Cr、RBP/Cr均低于非杓型组,差异有统计学意义(P<0.05)。T2DM患者的24 h SBPV、dSBPV、nSBPV、24 h DBPV、dDBPV、nDBPV均与尿NAG、β_(2)-MG、RBP呈正相关(P<0.05),且nSBPV、nDBPV与尿NAG、β_(2)-MG、RBP呈中度正相关(0.3

关键词： Python语言   概率分布   参数估计   区间估计  

摘要： Python是一种解释型的高级语言,具备入门容易,资源丰富和开源等特点。Python有很多免费的科学计算与数据分析方面的库,其中一些库能够用来处理概率论当中的问题。论文给出了应用Python程序画出离散型和连续性概率分布图的例子,还例举了Python用于参数估计和区间估计的代码及计算结果。概率论与Python都是理工科专业的必修课,将Python应用于概率论问题的解决,可以同时促进对这两门课程知识的理解和掌握。

摘要： ~~

关键词： 污酸硫化过程   ORP预测   粒子群优化算法   极限学习机   非参数核密度估计   区间预测  

摘要： 污酸硫化过程是实现有色冶金污酸无害排放和资源回收的核心环节。硫化氢沉淀法具有成本低、操作简单、无二次污染等优势,是污酸中重金属离子去除的重要方法。其中,硫化氢流量是影响重金属沉淀效果的关键因素。然而,工业现场的硫化氢流量调节存在盲目性和滞后性。氧化还原电位(ORP)可以实时间接指示硫离子浓度,其准确预测对硫化氢流量的及时调整至关重要。由于ORP点预测结果存在不确定性,影响硫化过程的安全稳定,因此,本文提出了一种基于非参数区间估计的污酸硫化过程ORP预测方法。该方法在点预测的基础上构造预测区间,量化预测值的不确定性,从而提升工况波动时的预测可靠性,为硫化氢流量调节提供更可靠的决策支持。论文的主要工作与创新点如下: (1)针对污酸成分复杂、多种物理化学反应交织发生所导致的ORP与变量之间存在强非线性关系的问题,提出了一种基于双层改进粒子群优化算法(DLIPSO)和极限学习机(ELM)的ORP预测模型。在DLIPSO-ELM网络结构中,使用ELM作为主干网络,确保模型拟合非线性数据的能力。同时,针对ELM中输入层权值和隐藏层神经元数量对模型预测精度均存在显著影响的问题,采用DLIPSO算法优化ELM的结构和参数,其中外层粒子群搜索最优的神经元数量,内层粒子群搜索最优的输入层权值,从而获得最优的ELM网络预测性能。实验结果表明,所提模型在某有色金属冶炼厂数据集上预测效果最佳,与对比模型相比,均方根误差降低了12.20%-45.25%。 (2)针对模型固有偏差和动态工况扰动所导致的预测结果存在不确定性的问题,提出了一种基于自适应核密度估计的ORP区间预测模型。首先根据已经构建的DLIPSO-ELM预测模型得到预测误差值,然后采用非参数核密度估计法拟合预测误差分布。针对传统核密度估计因窗宽固定而难以适应数据局部特征的问题,提出了一种基于样本局部密度的自适应核密度估计方法,该方法通过动态调整窗宽来适应数据分布的稀疏特性。采用提出的核密度估计法得到预测误差的概率密度曲线并计算累积分布函数,最后得到指定置信水平下的预测区间。实验结果表明,与传统方法相比,所提出的自适应核密度估计法提升了误差分布拟合精度,所构造的预测区间在保持良好覆盖率的同时,具有更窄的区间宽度。 (3)结合企业的实际需求,设计并开发了污酸硫化过程智能监控系统,实现了信息管理、数据上传、模型训练、ORP预测等功能,为硫化氢流量控制提供更精准的决策依据。 图31幅,表14个,参考文献87篇

关键词： 无模型子抽样   空间填充设计   均匀投影准则   中心L2偏差  

摘要： 在大数据时代,数据规模呈指数级增长,对存储、计算与分析能力提出了严峻挑战。传统数据分析方法因计算复杂度高,难以有效处理超大规模数据。子抽样方法通过提取具有代表性的子数据集降低计算负担,成为应对这一挑战的重要途径。然而,现有子抽样方法多依赖固定的模型假设,在模型误设或数据存在复杂非线性关系时,其鲁棒性较弱。试验设计中空间填充设计无需模型假设,若子数据满足空间填充原则,可进一步提升其鲁棒性。 本文提出了一种基于均匀投影分层的鲁棒子抽样方法,并设计了三种子数据选择算法(PUS、MPUS、EPUS)。该方法的核心思想是基于均匀投影设计的空间填充准则,选择在低维投影下具有均匀性的子数据集,以提升子数据集在模型估计上的鲁棒性。具体而言,PUS算法采用均匀投影分层策略,从数据集中选取子数据,使其在低维投影空间中保持均匀分布。MPUS和EPUS算法在PUS的基础上进一步借鉴强度为2+的强正交表的结构,在不同规模的原始数据集中选择兼具均匀性和代表性的子数据集,从而增强算法在不同数据环境下的适用性。 与传统子抽样方法相比,本文所提出的方法能够有效避免因数据点分布不均导致的信息损失,提高子数据对原始数据集的代表性,并增强在模型误设情况下的鲁棒性。为了验证本文提出的子抽样方法我们在多个模拟数据集上对PUS、MPUS和EPUS算法进行了评估,并与基于信息的最优子数据选择方法(IBOSS)和对模型具有鲁棒性的子数据选择方法(MR)进行了对比实验。 结果表明,在正态分布、指数分布等多种数据分布下,以及不同维度设定条件下,本文所提出的方法均能显著降低均方误差和均方预测误差,并在均匀投影准则和中心L2偏差准则方面表现出较优性能。为进一步验证其在实际问题中的应用价值,我们将本文提出的方法应用于工程领域的钻孔函数模型及生物信息学中的蛋白质结构建模。实验结果表明,PUS、MPUS和EPUS算法能够更准确地提取关键信息,并在模型误设的情况下依然保持良好的预测性能,进一步证明了本文提出方法的实际适用性与鲁棒性。 综上所述,本文提出的基于均匀投影分层的子抽样方法,在大数据分析背景下实现了高效且鲁棒的子数据集选择,为大规模数据分析提供了一种可靠的解决方案。