基于RNN模型与LSTM模型的机器作诗研究

现如今自然语言处理在人类生产生活中起到极其重要的作用,随着各类机器学习算法以及深度神经网络的发展,各类写诗机器人频频出现。文章通过机器写诗系统研究了循环神经网络(RNN)与长短期记忆网络(LSTM)在唐诗写作方面的模型效果。本系统基于谷歌开源的深度学习框架TensorFlow,Python作为开发语言,交叉熵损失作为实验结果评价依据进行研究,其结果有力证明了LSTM模型在作诗方面的优越性,并阐释了其具有优越性的具体原因。     

曲种对稠酒发酵过程中酒精度的影响

目的 研究稠酒发酵过程中酒精度变化与稠酒曲种的关系.方法 采用固-液2次连续发酵工艺,在适当的发酵温度下,变化不同的曲种和接种量,测定发酵醪的酒精度.结果 发酵过程中酒精度随曲种及接种量的不同而变化.结论 采用糖化生醇兼并型曲种,在发酵中期补加生醇能力强的曲种,有利于提高酒精度,促进产品成熟,使发酵更彻底.     

基于MODWT和LSTM网络的分布式电网故障诊断

近年来,针对分布式电网故障诊断的研究变得越来越重要,因为它能确保电网安全而稳定地运行。传统的故障诊断方法在故障分类的准确率上仍有待提高,对此,提出了一种基于极大重叠离散小波变换和长短期记忆网络的分布式电网故障诊断方法。首先采集故障数据,再进行特征提取和网络训练,最后得到故障分类的结果。结果表明,该方法不但能准确地识别出故障类型,且不受故障发生时刻和过渡电阻等影响。另外,与其他几种智能诊断方法相比,所提出的方法可以提供更好的故障分类精度。为了评价该方法的性能,以修正的IEEE13总线标准系统为例进行了验证。     

基于LSTM网络的粮食干燥机水分预测与优化

粮食干燥机的出机粮食水分预测有助于实现干燥机的智能化控制,从而可以减少干燥过程中的粮食损耗,对于粮食产后干燥环节有着重大意义。通过机器学习的方式进行预测,可以规避传统数学模型所存在的一系列缺陷。本文根据连续式谷物干燥机所提取的数据特征,提出了一种基于优化长短期记忆神经网络（LSTM）的稻谷出机水分预测模型。试验结果表明,出机水分与Min、To2、To3、Td1、Td2、Td3具有十分明显的相关性,通过设定不同的网络参数,确立了批尺寸50,学习率0.001,迭代次数50,时间步长50,神经元数100*100时效果最佳,此外还发现增加训练数据量,可以有效提高LSTM网络预测性能。将本研究建立的LSTM模型与BP、ELMAN、NARX等算法以及普通LSTM网络（无dropout,单隐藏层）进行比较。结果发现,相较于其他网络模型,本文所采用的LSTM模型可以更好的预测稻谷出机水分,其平均绝对误差（MAE）、均方根误差（RMSE）和决定系数（R2）分别为0.12%、0.20%和0.94。本研究所采用的优化LSTM模型具有较高预测精度,稳定性以及泛化性,可以为粮食干燥机的水分预测控制提供参考。     

酒醅酒精度分析方法的优化研究

在酒醅蒸馏过程中,通过设定不同冷却水温度和加水量对蒸馏过程中馏酒酒精度进行测试分析,初步探索在蒸馏时不同冷却水温度、不同加水量对检测分析酒醅酒精度含量的影响.结果发现,出池酒醅分析中冷却水温度为6～15℃时,冷却水温度越低,馏分中酒精浓度越高,绝对差值越低;当冷却水温度低于6℃时,其绝对差值增大.当加水量低于200 m...     

基于酒精度重建模型的摘酒技术研究

为提高摘酒酒精度,稳定基酒质量,达到分段摘酒的目的,该研究以酒精水溶液密度、温度、酒精体积分数关系为映射,利用最 小二乘法建立了基酒密度、酒精度和温度的最优模型,以音叉密度计监测基酒密度,通过模型转换为酒精度后,对比实测酒精度与 预测酒精度之间的差异,并在模型建立的基础上,设计了一种分段摘酒装置。 结果表明,所建模型预测平均差、平均相对误差分别在 1.36～2.84、2.2%～6.5%,无显著波动性差异,稳定性良好。 该模型配合分段摘酒装置,为白酒工业提供了一种摘酒技术手段,有利于 提升摘酒品质与产量。     

用热值分析法测定饮用酒的酒精度

通过测量一系列标准酒精溶液的燃烧热后，建立标准酒精溶液酒精度与燃烧热的关系模型，再利用所得到的关系模型计算出所对应的饮用酒的酒精度。此法准确、简便、实用，可用于日常检测工作。     

基于CEEMD-SE和LSTM的滚动轴承剩余寿命预测

针对滚动轴承退化数据的复杂性和传统的寿命预测方法不能充分利用数据的相关性从而导致预测精度不高的问题,课题组提出了一种基于多频率尺度样本熵(SE)和长短期记忆神经网络(LSTM)相结合的寿命预测模型.该模型采用互补集成经验模态分解(CEEMD)结合相关系数分析,从滚动轴承振动信号中提取包含主要退化信息的IMF分量,并提取...     

高酒精度蓝莓酒的发酵工艺

以野生蓝莓为原料,通过研究不同菌株、料液体积比、接种量、初始pH和发酵温度对蓝莓酒的影响,采用单因素分析及Box-Behnken试验,确定生产高酒精度蓝莓酒的最佳工艺参数。结果显示,高酒精度蓝莓酒的最佳工艺参数为:初始pH 4.1,接种量6.4%,主发酵温度26℃。在此工艺参数下的产品酒体风味醇香,果香味浓郁,口感丰满。该产品的残糖含量为4.1±0.23 Brix, pH 4.02±0.31,酒精度16.5%±0.2%vol, 9种有机酸总含量20.56±0.37 g/L,感官评分93.1±1.13分。高酒精度的蓝莓酒可以延长贮藏期,还可以填补高酒精度果酒的市场空白。     

基于图像处理的鸡蛋新鲜度预测模型研究

采集98枚不同贮藏时间鸡蛋图像信息,测量鸡蛋蛋重、蛋白及气室高度等新鲜度常规指标,以Matlab图像处理工具箱为研究工具,测量蛋黄面积比、气室高度及整蛋长短径,通过SPSS统计分析蛋重与整蛋长短径和气室高度关系回归模型,蛋白高度与蛋黄面积比、气室高度等关系模型;以蛋重及蛋白高度为特征参数,利用深度信念网络建立预测模型,进行新鲜度预测分级。所建蛋重及蛋白高度预测模型相关系数分别为0.942和0.925,新鲜度分级准确率为93.3%。结果表明:该试验所设计基于图像处理数据的鸡蛋新鲜度分级模型准确率高,采集装置简单,可用于估测鸡蛋新鲜度。     

基于IGWO-SVR短期储藏小麦品质预测模型研究

储藏小麦品质具有复杂性、易变性、多耦合特性,导致难以准确预测其品质状况.为此,本研究从小麦多生理生化指标关联性研究角度提出了一种新的品质预测方法.利用柯西核函数和改进的线性核函数来构造支持向量回归机(SVR)混合核函数,并用改进的灰狼算法(IGWO)对混合核函数SVR参数寻优,由此建立IGWO-SVR模型用于短期储藏小...     

基于近红外光谱技术快速检测稻谷水分含量

目的:建立一种无损、快速高效的稻谷水分含量检测方法。方法:研究收集了不同年份的稻谷样品161份,运用近红外光谱结合化学计量学方法,通过剔除异常光谱和光谱预处理,采用偏最小二乘法建立稻谷水分含量预测模型。结果:采用主成分分析结合马氏距离的方法剔除异常光谱样品15个,最佳的光谱预处理方式为消除常数偏移量。训练集建立的预测模型(R_CAL²)为0.9943,模型标准偏差(RMSEC)为0.21%,模型交叉验证决定系数(R_CV²)为0.9936,模型交叉验证标准偏差(RMSECV)为0.32%,表明预测模型交叉验证预测样品水分含量准确度高。用验证集样品检验预测模型,模型验证集验证决定系数R 2 VA L为0.9801,模型验证集验证标准偏差(RMSEP)值为0.36%,相对分析误差(RPD)值为7.14,表明预测模型对未知样品的预测准确度高。验证集样品实测值与预测值均值方程T检验结果P值(双侧)为0.879,验证集样品实测值与预测值之间差异不显著,表明预测模型的预测结果可信度高,验证集样品预测值与实测值的误差在±1%,且90%以上的验证集样品其预测值与实测值的误差都在±0.5%以内。结论:建立的稻谷水分预测模型可以实现收储稻谷的无损、快速、准确检测。     

基于化学计量学方法的黄水还原糖预测模型研究

目的 利用预处理对近红外光谱原始数据集进行降噪及非相关信息剔除后, 采用间隔偏最小二乘法(interval partial least squares, iPLS)与连续投影算法(successive projections algorithm, SPA)联用的特征波段筛选算法降低模型复杂度, 建立高精度低冗余度的黄水还原糖预测模型。方法 在最佳的3种预处理方法的基础上, 利用竞争性自适应重加权算法、间隔偏最小二乘回归法、连续投影算法对250个样品的光谱数据进行特征波段筛选, 采用光谱-理化值共生距离算法进行样品集的划分, 划分比例为3:1。结果 黄水还原糖预测模型经iPLS-SPA算法处理后, 得到了更高的精度与稳定性, 且预测可决系数较原始数据集提升7.28%, 为0.962; 预测均方根误差下降85.40%, 为0.220; 光谱变量数下降95.46%, 为100。结论 在预处理后加入iPLS-SPA特征波段筛选算法, 能够提升黄水还原糖预测模型精度, 极大减低冗余度。     

基于Markov预测的服装辅助设计模型

阐述服装流行要素对服装设计的影响,提出基于Markov预测(Markov prediction,MP)技术和采用案例推理(case-based reasoning,CBR)搜索匹配技术的服装辅助设计模型,解决现代服装企业设计过程中设计智能化问题。该模型将信息系统大容量记忆、高速运算和细节分析等特点和设计人员在经验基础上的主观判断相结合,从MP预测模型中得到服装流行要素的预测集合,再通过趋势分析得到合理的服装流行要素组合(流行趋势)。CBR搜索匹配历史设计案例库和预测得到的流行趋势,在服装设计人员的修改和整合下得到设计结果。最后,通过企业的服装辅助设计应用实例对该模型进行了验证。     

基于BP神经网络算法的粮食储存品质预测模型构建研究

粮食安全预警对于储粮企业意义重大,本研究基于BP神经网络算法,采用Python软件构建了粮食储存品质预测模型。通过使用全国各储粮生态区的质量品质数据来训练和测试,构建了基于BP神经网络算法的两种预测模型,时间序列品质预测模型可进行连续单指标跨期预测,温湿度-品质预测模型可进行度夏后粮情预测。经验证,时间序列品质预测模型对粮食储存品质指标预测效果较好,预测误差均低于15%。     

基于分数阶模型的纱线蠕变性能模拟与预测

针对现有纱线拉伸力学模型描述不准确问题,以分数阶微积分模型对纱线拉伸行为进行分析。首先,引入分数阶微积分理论改进的黏壶模型建立了分数阶纱线蠕变模型,使用XL-2型纱线强伸度仪对不同线密度及不同张力纱线进行蠕变实验,获得纱线蠕变的全过程曲线。通过对不同线密度下的试验曲线进行回归分析得到了模型参数以及蠕变模型参数与施加张力大小的变化关系。最后,利用不同模型对不同张力的纱线蠕变曲线进行拟合和预测。结果表明：分数阶纱线蠕变模型,相比于三元件模型、整数阶模型和Burgers模型,具有结构简单、参数少的特点,并且对纱线蠕变的拟合和预测也具备较高的精度。     

基于灰色理论的服装企业销售预测模型

销售预测是服装企业的一大难题,以往的研究大部分偏重于单渠道预测,并且采用时间序列、机器学习等需要巨大数据量的方法。为了顺应服装行业销售多渠道少数据的发展趋势,文章通过对灰色预测理论的文献梳理,发现其功能强大且所需数据集小,适合企业进行多渠道销售预测。针对线上销售数据多变量及线下销售数据单变量的不同特点,选取了三个灰色预测模型(DGM(1,1),ROGM(1,1),OGM(1,N))来建立企业多渠道销售预测整合策略。通过数据实验对这三个模型的模拟预测误差进行计算和比较,证实了这三种模型在进行线上或线下模拟预测误差均小于15%,达到较高预测标准,为企业销售预测提供一定的参考价值。