排序方式: 共有41条查询结果,搜索用时 0 毫秒
1.
2.
目的 针对未来时间内重大活动举办地鲜(冻)肉制品铅含量风险预测的问题,建立基于LSTM的时间序列预测模型,对当地鲜(冻)肉制品铅含量进行风险评估与预测预警。方法 通过收集2011-2020年国家市场监督管理总局日常食品监督管理抽检数据,筛选出北京的鲜(冻)肉制品的抽检数据,构建数据集并进行预处理,按照7:2:1的比例划分训练集、验证集和测试集,基于Tensorflow平台构建4层LSTM模型并进行训练,基于重大活动举办前10天的鲜(冻)制品铅含量数据,对未来1天的鲜(冻)制品铅含量风险进行预测。结果 实验表明,经过50轮模型迭代训练,训练集和测试集Loss指标收敛至0.084,经过5次训练后的模型评估参数RMSE为0.192,R2_score为0.916,模型误差较小、准确度较高。结论 基于LSTM的鲜(冻)肉制品铅含量风险预测模型整体性能较好,可应用于重大活动举办地的食品风险预测,并精准指导监督抽检。 相似文献
3.
目的 建立集成学习Stacking模型,对重大活动举办过程中的肉及肉制品进行合格安全分析与风险预测预警。方法 通过收集2015—2020年间国家市场监督管理总局食品日常监督管理抽检数据,筛选出所有肉及肉制品相关数据,选择“食品亚类”、“规格”、“生产时间”、“生产企业类型”、“生产省份”、“是否异地运输”等字段信息作为肉及肉制品合格风险因子,选取所有不合格数据5866条,从所有合格数据中随机抽取10000条数据共15866条构成数据集,按照3:1划分训练集和测试集,搭建基学习器为KNN(K- Nearest Neighbor,K最近邻)、BP(Back Propagation,反向传播)神经网络、SVM(Support Vector Machines,支持向量机),元学习器为LR(Logistics Regression,逻辑回归)的Stacking预测模型,进行训练预测与模型评估。结果 经过5次训练后,模型的准确度为94.20%,精确度为93.78%,召回率为97.57%, F1参数为95.63%,模型鲁棒性强,可靠性高。结论 基于集成学习Stacking的肉及肉制品安全风险分析与预测预警模型整体性能良好,可应用于重大活动举办过程中的食品安全风险分析预测,并精确指导监督抽检与辅助决策情报研判。 相似文献
4.
5.
6.
根据海军某基地实际附属设备及环境参数的监控要求,设计并实现了自动化设备综合监控系统。该系统使用西门子WinCC及S7-300/200 PLC开发完成,实现了WinCC C/S,B/S架构及S7-300/200PLC的Profibus-DP主从站结构,构建了集环境温湿度监控、设备监控、变电站监控和风水监控一体的综合监控系统,解决了复杂的第三方通讯、控制逻辑问题,实现了设备状态信息现场采集、中心管理、远程控制的功能。实际的运行效果证明,该系统设计合理,具有良好的可靠性和实用性。 相似文献
7.
网络远程闭环系统中不确定时延的自抗扰控制 总被引:1,自引:1,他引:0
针对网络远程闭环系统中不确定时延对系统稳定性的影响,提出了基于自抗扰控制器(Auto Disturbance Rejection Control- ler)的网络远程闭环解决方案,同时给出了ADRC控制器参数的整定方法;在基于嵌入式技术的网络远程闭环控制系统平台上实现了无刷直流电机控制器的设计和参数整定,取得了较好的控制效果;所以利用ADRC解决网络远程闭环系统中不确定时延的方法是可行且有效的,同时所设计的控制器及其参数整定方法具有一定的工程参考价值。 相似文献
8.
9.
运用西门子公司对外提供的ODK软件开发包对WinCC软件进行二次开发,介绍了一种在VC6.0环境下开发模型辨识与智能算法控件注册到WinCC中的新方法,实现WinCC通过控件直接对网络化四容水箱系统的水位控制。实验结果表明这种方法可行而且控制效果良好。 相似文献
10.