超声波在未来食品加工中的应用

综述了超声波技术在蛋白质提取、杀菌、解冻、入味和冷冻等食品加工单一过程中的应用,并与相应的传统技术比较,分析出超声波技术的优点;探讨了超声波的机理和超声波技术在食品加工全过程中的应用,指出超声波技术在未来食品加工新技术中的前景和展望。     

基于面积型中心误差准则的模糊组合预测模型及应用

在复杂的系统预测中,系统信息往往以模糊不确定信息来刻画,而不是实数或者区间数。本文建立了一种新的三角模糊数信息的组合预测模型。针对传统的三角模糊数端点误差准则的缺陷,提出了三角模糊数的面积型中心的概念,并给出其计算表达式。在此基础上,获得了组合预测值与各个单项预测方法预测值的中心关系式。基于面积型误差准则,构建了新的模糊组合预测模型,并证明了该模型至少是非劣性的。最后,举例说明所提出组合预测模型具有更强的有效性,并对模型参数进行了灵敏度分析。     

基于盈亏平衡模型的生猪养殖场经营策略的优化

针对生猪养殖厂经营策略问题,利用盈亏平衡方程、附加约束情况下动态平衡的思想以及线性规划等方法,分别构建了盈亏平衡、最大规模平衡态、线性规划模型,使用MATLAB、EXCEL等软件,得到盈亏平衡时每头母猪每年平均产仔量为11.01头,养殖场养殖规模达到饱和时,小猪选为种猪的比例为1.9%以及母猪的存栏数约为996头,并根据生猪的预测价格制订了养猪场的最佳经营策略。     

基于TOPSIS对宜居城市的模糊综合评价

宜居城市的构建已经成为当前国内外城市追求的目标,也是当前国内外城市研究的热点.针对淮海经济区的徐州、连云港、宿迁、商丘、济宁、宿州、枣庄和淮北这八座城市的宜居水平进行分析,建立综合评价衡量城市宜居水平的指标体系,并利用层次分析法计算城市宜居水平的综合得分,同时利用TOPSIS考虑不确定因素对宜居城市评价稳定性的影响.最后根据八个城市宜居城市的综合得分,给出排名,结合实际给出相关建议.     

基于非结构化数据的LLE-WOA-LSSVR碳价格组合预测模型

在传统的组合预测模型中,利用的数据大多为结构化数据,然而在网络环境下,非结构化数据广泛存在,因此充分利用非结构化数据所提供的有效信息是预测中要解决的关键问题之一.针对上述问题,文章构建了基于非结构化数据的局部线性嵌入和鲸鱼优化算法的最小二乘支持向量回归(locally linear embedding-whale op...     

基于结构方程的生鲜电商平台消费者满意度影响因素研究

生鲜电商平台的迅猛发展使大量消费者的涌入,消费者对其的评价也不尽相同。研究消费者满意度的影响因素进而提升生鲜电商平台的竞争力和扩大市场份额具有实际的意义。本文基于美国顾客满意度理论视角,利用信效度和验证性因子分析对问卷调查数据进行验证,构建了结构方程模型对理论模型进行验证和分析。研究得出：网商声誉、网商平台和感知质量是生鲜电商平台消费者满意度的主要影响因素,并对生鲜电商平台的发展提出了有针对性的建议。     

基于空间杜宾模型的绿色金融经济增长效应研究

为研究绿色金融对经济增长的效应,首先利用2011-2020年我国各省份绿色金融面板数据,基于熵权法测度各省域的绿色金融发展体系,建立空间杜宾模型,分析基于地理位置的0-1空间权重矩阵下我国各省域绿色金融对经济增长的影响效应,同时进行适配性检验和稳健性检验。研究结果表明绿色金融对本地区经济增长呈显著的正向效应,邻近地区的绿色金融发展对本地区经济增长呈负向效应;政府支出对本地区经济增长呈正向效应,对邻近地区呈负向效应,绿色金融的发展有待培育和完善。     

基于模糊综合评价对宜居城市排名的研究

针对宜居城市的评价和排名,综合分析影响宜居城市的主要指标及其变化时的数据,建立关于评价宜居城市主要指标的模糊综合评价模型以及多元线性回归模型,运用Matlab、EVIEWS、EXCEL软件进行求解,研究得出各项主要指标及其变化与宜居城市评价之间的关系,并建立对宜居城市进行合理评价和排名的数学模型.     

车道被占对道路通行能力影响的定量分析

针对车道被占对城市道路通行能力影响的问题,以差异检验、排队论、车流波动论为基础,求得了事故横断面实际通行能力的变化过程.利用队列分析模型,分析对占道不同的实际通行能力,建立基于车流波动理论的排队长度模型,求解出了排队长度与通行能力、持续时间、上游车流量的关系.     

基于时间序列对电力系统短期负荷的预测

针对电力系统短期负荷的预测,建立了多元回归和时间序列预测模型,分析了最高温度、最低温度、平均温度、相对湿度、降雨量分别对日最高负荷、日最低负荷、日平均负荷的影响程度,以及预测出短期负荷,应用MATLAB、SPSS进行求解,研究得出:最高温度对日最高负荷、日最低负荷、日平均负荷的影响程度最大,且预测值与实际值的相对误差在允许误差范围内,模型可靠性较高。