XiaoMi-AI文件搜索系统
World File Search System鱼池
红辣椒的代谢组分析（Capsicum ennum l）果泥储存在鱼池中，由气相色谱 - 质谱法（GC-MS）
辣椒泥是一种高度有价值的园艺作物，由于其高水量而面临与快速恶化有关的挑战。已提出将辣椒加工成泥，以扩大其保质期。但是，由于其水含量助长了微生物的生长，在环境环境中留下时，新鲜的辣椒果会迅速腐烂。为了解决这个问题，已经研究了将鱼池用作替代且环保的存储方法。与常规的冰箱储存相比，这项研究探讨了储存在鱼池中的辣椒泥的代谢组变化和保存机制。使用气相色谱系统分离后，通过质谱分析确定辣椒泥中的代谢产物。可以通过化学计量技术全面测量代谢物，可以理解储存过程中果泥的化学成分和果泥的变化。即使众所周知，储存在冰箱中的地面辣椒的感觉参数与储存在池中持续五个星期的地面辣椒的感觉参数相对较差，但分子众所周知，这两个样品中代谢物的分布与第四周开始不同。从这项研究中获得的洞察力可以导致量身定制的存储条件，从而最大程度地发挥保存潜力并确保保留的辣椒泥的质量和安全性。这项研究强调了鱼池的潜力，可以延长辣椒泥的保质期，同时最大程度地减少废物和资源使用。©2025 SPC（SAMI Publishing Company），《亚洲绿色化学杂志》，用于非商业目的。
使用机器学习算法的鱼池水质评估模型
传统的养鱼面临着一些重大挑战，包括水污染，温度失衡，饲料管理，有限的土地可用性和高成本。水产养殖业继续面临各种挑战，包括需要增强监测系统的需求，早期鉴定疾病暴发，高死亡率以及促进可持续性。这些问题代表了需要解决的持续关注，并促使该研究使用woosong University Fish Pond Dataset进行了有关鱼类池塘水质管理的研究，这些数据集来自Kaggle Machine Learning存储库。这项研究的目的是开发利用机器学习（ML）技术的水产养殖解决方案，以增强虾的生长并在池塘环境中提高生产率。因此，该研究仔细检查了某些机器学习算法的有效性，包括XGBoost，梯度提升，K-Neighbors Repressor，随机森林回归器和混合集合模型。使用一些评估指标的评估指标，例如均方根误差（MSE），平均绝对百分比误差（MAPE），R-squared（R2）和根平方误差（RMSE），以评估算法的有效性。该研究的发现表明，在预测准确性方面，随机的森林回归和混合合奏模型优于其他算法，使其成为评估养鱼养鱼水质的强大候选者。