基于分类DQN的建筑能耗预测

本文提出一种可用于建筑能耗预测的基于KNN分类器的DQN算法——K-DQN. 其在利用马尔科夫决策过程对建筑能耗进行建模时, 针对大规模动作空间问题, 将原始动作空间缩减进而提高算法的预测精度及收敛速率. 首先, K-DQN将原始动作空间平均划分为多个子动作空间, 并将每个子动作空间对应的状态分为一类, 以此构建KNN分类器. 其次, 利用KNN分类器, 将不同类别相同次序动作进行统一表示, 以实现动作空间的缩减. 最后, K-DQN将状态类别概率与原始状态相结合, 在构建新状态的同时, 帮助确定缩减动作空间内每一动作的具体含义, 从而确保算法的收敛性. 实验结果表明, 文章提出的K-DQN算法可以获得优于DDPG、DQN算法的能耗预测精度, 且降低了网络训练时间.     

不同储存期宋河中高温大曲霉菌的分离及鉴定

该研究采用传统分离纯化技术对不同储存期(4～7个月)的宋河中高温大曲中的霉菌进行分离纯化，并通过形态学观察和分子生物学技术对其霉菌进行鉴定，结合其理化指标检测结果确定宋河中高温大曲的最佳储存时间。结果表明，从不同储存期的宋河中高温大曲中共分离得到22株霉菌，其中，储存期为4、5、6个月的宋河中高温大曲分别获得6株、4株、12株霉菌，经鉴定为5个属的14种霉菌，其中，枝孢菌属(Cladosporium)和横梗霉属(Lichtheimia)存在于储存4、5、6个月的宋河中高温大曲中，储存期为6个月的宋河中高温大曲中霉菌种类最多，且糖化力、发酵力和酯化力最高，分别为717.5 mg/(g·h)、1.97 g/(0.5 g·72 h)、13.04 mg/(50 g·7 d)，确定宋河中高温大曲的最佳储存时间为6个月。