【摘 要】
：
大曲作为浓香型白酒酿造过程的糖化发酵剂，以小麦为主要原料，在自然开放的条件下培育而制成的粗酶制剂。大曲对浓香型白酒的风格、产量和品质都具有重要的影响。当前，发展架子曲是解决白酒企业用工成本和制曲环境的重要课题。根据企业生产实践，分析并探讨了影响浓香型大曲架子曲质量的相关因素，对提高架子曲质量的改进措施及其效果进行了对比，并总结了架子曲培养的关键工艺控制点，以其为架子曲的培养和应用提供参考。
论文部分内容阅读
大曲作为浓香型白酒酿造过程的糖化发酵剂，以小麦为主要原料，在自然开放的条件下培育而制成的粗酶制剂。大曲对浓香型白酒的风格、产量和品质都具有重要的影响。当前，发展架子曲是解决白酒企业用工成本和制曲环境的重要课题。根据企业生产实践，分析并探讨了影响浓香型大曲架子曲质量的相关因素，对提高架子曲质量的改进措施及其效果进行了对比，并总结了架子曲培养的关键工艺控制点，以其为架子曲的培养和应用提供参考。
其他文献
全断面掘进机（Tunnel Boring Machine,即TBM）可以有效地提升煤矿巷道施工效率,保障煤矿正常采掘接替,对实现煤矿巷道掘进智能化、少人化、安全高效的发展具有重要意义。本文针对煤矿岩巷施工地质条件以及施工要求,在分析不同岩层下刀盘载荷与驱动力以及围岩位移和应力变化的基础上,以节能减耗、降低围岩扰动为目的,展开TBM刀盘转速、推进速度以及支撑系统位置与压力的自适应非线性控制研究。采用
煤矿高效生产过程中会产生大量的粉尘,大部分矿井在注水工艺中加入各类表面活性剂来降低采煤过程中产生的粉尘浓度,但其对煤表面润湿效果并不理想。复配表面活性剂相较单一表面活性剂可大幅提升溶液对煤的润湿能力。基于此,为了深入研究表面活性剂对煤表面润湿性的影响机理,本文选取了三种不同煤阶煤体为研究对象,开展表面活性剂对煤体的微观湿润机理及复配优选研究,采用分子模拟和实验相结合等手段,揭示了复配表面活性剂对不
在素质教育背景下,小学科学教学职责在不断地增加,而素质教育强调的是实际操作能力,在实际教学活动中,教师应当注重培养学生的实际动手能力,促使学生在"做思共生"过程中得以全面发展。因此,在小学科学教学过程中,教师应当贯彻落实素质教育理念,并在教学活动中为学生提供更多的实践动手机会,从而使学生更好地融合理论知识和实践操作,以此实现小学科学的高效课堂。
采空区防灭火是煤矿安全的重要工作之一,而对于难以直接观察的采空区,指标气体束管监测往往是判断采空区氧化自燃状态的重要依据,但对于指标气体的微观生成与吸附机理的现有研究,并未在宏观的生产过程中得到有效应用。本文针对这一问题,通过指标气体的微观分子动力学模拟、吸附模拟和煤样升温实验相结合,探索了采空区指标气体的生成与吸附关系,将其与采空区氧浓度分布规律相结合,构建了一种基于指标气体和氧浓度分布的采空区
移动网络的快速发展和智能设备的普遍应用使得基于位置的服务（如携程、美团、今日头条、Google地图等）逐渐深入到社会生活的各个领域,兴趣点推荐（Point of Interest Recommendation）作为基于位置服务的重要支撑技术正成为当前时空数据管理和人工智能领域的研究热点。兴趣点推荐主要依据用户的社交关系和历史签到记录推测用户偏好进而为其推荐感兴趣的地点,按推荐目的不同可分为一般兴趣
科学判识煤矿安全风险演变规律,剖析演变过程中的关键节点,对保障煤矿安全生产具有重要意义。本文以煤矿安全隐患数据为切入点,实现了煤矿安全隐患的量化评估,构建了煤矿安全风险评价模型,剖析了煤矿安全风险演化流程,挖掘了煤矿安全风险关键隐患,提出了基于隐马尔可夫模型的煤矿安全风险预测方法。引入生命周期理论和Logistic函数,构建煤矿安全隐患演化曲线模型,将隐患生命周期阶段划分为了4个阶段;建立煤矿安全
煤炭在我国能源领域占据绝对主导地位,而传统机械截割方法在复杂、难采煤层效率低下一直是我国煤炭生产行业的攻坚难题,随着近年来优质煤层储量大幅缩减,寻求一种对复杂、难采煤层具有强适用性的开采方法成为煤矿智能化建设的重要科学问题。针对大多深部煤层体现出的硬脆性特征,本文基于机械设计和采矿工程学科交叉,综合采用理论分析与计算、数值模拟与现场试验相结合的研究方法,分析了硬脆性煤体的本构模型,设计了冲击与截割
＜正＞心理委员不同于其他班干部中小学心理委员的身份有两个:一是心理班干部,即心理委员的"行政职务";二是朋辈心理咨询员,即心理委员的"业务职务"。因为心理工作具有较强的专业性,每一个心理委员都要在参加心理健康教育的岗前培训并考核合格后,方能上岗履职。
并行计算技术广泛用于对一些特定问题进行更进一步的优化，从而突破性地降低算法的时间消耗。近年来，随着大数据和人工智能的快速发展，在进行大规模深度学习模型的训练时，时间消耗成为一个重要的考虑因素。在模型的训练过程中，由于各个样本之间互不相关的性质，使得模型的训练过程可以利用并行技术来很好地优化。本文以最基础的线性回归作为模型的任务，测试了并行化方法在深度学习模型中的可行性，并对比了不同节点下的性能提升