CN104200068A - 一种用tba建立河鲫鱼货架期预测模型的方法 - Google Patents
一种用tba建立河鲫鱼货架期预测模型的方法 Download PDFInfo
- Publication number
- CN104200068A CN104200068A CN201410394531.3A CN201410394531A CN104200068A CN 104200068 A CN104200068 A CN 104200068A CN 201410394531 A CN201410394531 A CN 201410394531A CN 104200068 A CN104200068 A CN 104200068A
- Authority
- CN
- China
- Prior art keywords
- tba
- shelf life
- river
- crucian
- river crucian
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种用TBA建立河鲫鱼货架期预测模型的方法,通过对河鲫鱼在不同温度下的感官评定和TBA随着贮藏时间的延长而变化进行研究,利用Arrhenius方程根据TBA建立河鲫鱼的货架期预测模型。本发明方法新颖、操作简单、可以通过简单的公式代入计算而得,并且得到的货架期预测值的相对误差在±5%以内,准确性相对较高。通过测定河鲫鱼在不同温度下的TBA变化,确定选择零级化学反应动力学来反映河鲫鱼TBA变化规律,具有充分的合理性和说服力,因此可以用于准确地预测河鲫鱼的剩余货架期,掌握和了解河鲫鱼的质量状态和新鲜度。
Description
技术领域
本发明涉及一种预测水产品货架期的方法,尤其是淡水鱼类货架期的预测方法,特别是河鲫鱼货架期的方法。
背景技术
河鲫鱼肉质细嫩,肉味甜美,营养价值高,但死后容易受外界环境、微生物和酶等因素的作用而发生腐败变质,这些作用的强弱与温度密切相关。一般消费者都是从菜市场或者超市内直接购买活的河鲫鱼,但随着生活水平的提高和生活节奏的加快,大型超市已逐渐将宰杀包装好的河鲫鱼在冰藏条件下售卖,为消费者提供了方便。这种售卖方式需要实时掌握生鲜鲫鱼的品质变化及剩余货架期。
硫代巴比妥酸值TBA可反应河鲫鱼在贮藏过程中脂肪氧化的程度,温度越高,脂肪氧化速度越快;并且随着贮藏时间延长,其氧化速率呈增长趋势。TBA是一种可以用于建立水产品预测模型的理想指标。目前国内外学者对食品货架期预测模型的建立的研究颇多,但关于新鲜河鲫鱼在物流过程中品质变化的动力学特性及其货架期预测方面的报道却很少。潘迎捷等的发明专利200910049916.5:冷却猪肉的货架期预测模型中选用挥发性盐基氮这一指标的变化结合Q10模型来预测冷却猪肉的货架期,准确性有待于提高;谢晶等的发明专利200810041497.6:一种淡水鱼肉制品的货架期预测方法中选择的温度范围为278~293K,对于在低温273~277K能否适用还有待于考证。
发明内容
河鲫鱼的货架期预测模型,本发明对河鲫鱼在不同贮藏温度下的感官指标和TBA的变化进行研究,建立了TBA随着贮藏温度变化的动力学模型,结合感官评定以TBA作为判断依据得到的货架期,建立货架期预测模型,有利于及时地掌握和了解河鲫鱼在贮藏过程中的质量状态和新鲜度,为快速监测河鲫鱼的货架期提供了一定的理论依据。
本发明的测定步骤按照以下过程进行:
(1)将活的河鲫鱼去头去尾去内脏去鳞处理;
(2)河鲫鱼处理完成后,立即用保鲜袋包装好放在恒温箱内贮藏,不定期取肉进行TBA的测定,并进行感官评定;
(3)建立TBA随着贮藏温度变化的动力学模型;
(4)通过相应的品质能级函数分析,通过零级和一级化学反应动力学方程的参数比较,选取更适合河鲫鱼各指标品质变化规律,零级方程为B=B0-kT,一级方程为B=B0ekT;
(5)进行拟合,得到不同温度下TBA值的速率常数k、决定系数R2和∑R2,进行比较,最后求出TBA值的速率常数A0和活化能Ea;
(6)以TBA作为判断依据得到的货架期,建立货架期预测模型为
;
式中:BTBA0为河鲫鱼的TBA的初始测定值;BTBA为贮藏一段时间后的测定值;T为贮藏温度;
(7)用贮藏在282K温度下的河鲫鱼的TBA来预测和验证货架期模型的准确性;
(8)感官指标主要是用于结合TBA值综合考虑来确定河鲫鱼的货架期。
河鲫鱼的挑选:挑选质量为300~500g、色泽光亮、鱼鳞完整、健康活力的河鲫鱼为试验原料。
河鲫鱼的处理:在超市内经去头去尾去内脏去鳞处理,然后用冰水清洗干净后置于80cm×36cm×12cm型聚苯乙烯泡沫箱内,采用层冰层鱼叠放方式,每个泡沫箱内装20条鲫鱼,在半小时内迅速运回实验室处理。处理后的鲫鱼运回实验室后进行冰水清洗10min并置于4℃条件下沥干30min。
预测模型的建立:用25cm×35cm型保鲜袋包装好处理过的河鲫鱼分别放入273K、279K、282K、285K和291K恒温箱内贮藏,每次试验时用菜刀沿着鲫鱼背部中线切开并取肉5g用于测量TBA值,每组样品平行测定3次。通过相应的品质能级函数分析比较,确定选取零级化学反应动力学方程来反映河鲫鱼各指标品质变化规律。
应用本发明所建立的河鲫鱼货架期预测模型所得到的货架期预测值准确率在±5%以内,可以快速准确地实时预测273~291K贮藏条件下的河鲫鱼的货架期。这一温度范围也适应了目前超市冰藏条件下的销售方式要求。
本发明涉及到一种预测河鲫鱼货架期的方法新颖、操作简单,通过数理分析获得温度与货架期的对应函数关系,利用Arrhenius方程将TBA与其贮藏的温度和时间建立数学模型,可以通过简单的公式代入计算而得,并且经验证后得到的相对误差在±5%以内,准确性相对较高,最重要的是适应了超市冰藏条件下的销售需求。通过测定河鲫鱼在不同温度下的TBA变化,确定选择零级化学反应动力学来反映河鲫鱼TBA变化规律,具有充分的合理性和说服力,因此可以用于准确地预测河鲫鱼的剩余货架期,掌握和了解河鲫鱼的质量状态和新鲜度,同时也为其它水产品的保鲜技术和货架期预测模型的研究提供了一定的理论参考。
附图说明
图1为河鲫鱼在不同贮藏温度下TBA的变化,横坐标为时间,纵坐标为TBA。
图2为用线性函数(零级化学反应动力学)拟合不同温度下河鲫鱼的TBA变化横坐标为时间,纵坐标为TBA。
图3为用非线性函数(一级化学反应动力学)拟合不同温度下河鲫鱼的TBA变化,横坐标为时间,纵坐标为TBA。
具体实施方式
以下结合说明书对发明进一步说明,但本发明所要求的保护范围并不局限于实施例描述的范围。
材料与方法
1.1材料
活鲫鱼 购自上海浦东新区古棕路农工商超市。
1.2 方案设计
1.2.1原料预处理
挑选质量为300~500g、色泽光亮、鱼鳞完整、健康活力的河鲫鱼为试验原料,在超市内经去头去尾去内脏去鳞处理,然后用冰水清洗干净后置于80cm×36cm×12cm型聚苯乙烯泡沫箱内,采用层冰层鱼叠放方式,每个泡沫箱内约装20条鲫鱼,最后在半小时内迅速运回实验室处理,再进行第二次冰水清洗10min并置于4℃条件下沥干30min。用25cm×35cm型保鲜袋包装好处理过的河鲫鱼分别放入273K、279K、282K、285K和291K恒温箱内贮藏,每次试验时用菜刀沿着鲫鱼背部中线切开并取肉5g用于测量TBA值,每组样品平行测定3次。通过预实验结合实际操作,得到以下五个温度的测试间隔如表1所示,根据每个温度下的腐败程度设定不同的测试频率,其中用282K条件下的品质指标值用来验证和评价所得到的货架期预测模型。
表1 五个贮藏温度下的河鲫鱼的测试时间间隔
1.3指标测定
1.3.1脂肪氧化(TBA)的测定
分别取贮藏在273K、279K、285K和291K条件下的河鲫鱼样品5g并剁碎置于离心管内,加入15mL浓度为20%的三氯乙酸(TCA)溶液,均质1min,再加入10mL浓度为20%的三氯乙酸(TCA)溶液,静置60min,再8000r/min 离心10min过滤,滤液用蒸馏水定容至50mL,摇匀后吸取5mL此滤液加入锥形瓶中,再加入0.02mol/L硫代巴比妥酸溶液5mL,沸水浴反应20min。沸水浴后取出,流动水冷却5min。然后用分光光度计在532nm处测量吸光度值A。空白样:吸取2.5mL 20%的TCA、2.5mL蒸馏水、5mL TBA溶液加入锥形瓶中。根据吸光度值A和标准曲线计算:TBA值=A×7.8mg/100g。
1.3.2 感官评定标准见表2
表2 河鲫鱼感官评定表
1.4 数据分析
采用Spss 19.0和Excel软件对实验数据进行处理分析,利用origin Pro V8.6软件绘制曲线。
结果与分析
不同贮藏温度下的河鲫鱼的TBA值变化见图1,随着温度的升高和贮藏时间的延长,河鲫鱼脂肪氧化速率加快,TBA的总体变化趋势与河鲫鱼的贮藏品质变化基本吻合,说明其品质的下降与脂肪的氧化有一定的关系。目前河鲫鱼货架期为零时其TBA值并没有限定极限值,但可与其它指标值结合来判断产品的货架期。河鲫鱼达到感官不可接受程度时,其TBA值约为0.20mg/100g,再参考其它指标变化综合分析,根据TBA值可判断在273、279、285、291K温度下的货架期分别为14、9、3、1d。
货架期模型建立
3.1品质变化动力学分析
食品在加工和储藏过程中,大多数食品的品质变化都符合零级或一级反应模式,本研究参照河鲫鱼的品质变化参数,采用Originpro V 8.6对其进行线性和非线性拟合,得到零级和一级速率常数及其决定系数,具体见表3,R 2较大表明总体线性关系较好,由表3可知,不同贮藏温度下零级回归方程的决定系数均大于0.9,表明拟合精度越好。另外,∑R 2的大小也可以有助于确定食品的品质变化的级别,零级动力学回归的相关系数∑R 2较一级动力学大,说明其更有较高的拟合精度。综合分析,河鲫鱼的TBA值变化规律符合零级化学反应动力学模型。
表3 河鲫鱼在不同贮藏温度下TBA变化的动力学模型参数
3.2 货架期预测模型的建立
3.2.1零级化学动力学模型 本研究经过分析鲫鱼的TBA值变化属于零级反应模式,公式如下:
式中, k为反应速率常数;B为实时品质因子,如TBA,TVB-N,K值的等;B0为品质参数初始值;t为时间,天。
方程 众所周知的Arrhenius方程应用广泛,能够反应食品的腐败变质速率。河鲫鱼不同温度下的k值见表4,利用Originpro V 8.6对其进行非线性拟合可得到Ea和A0.Arrhenius方程公式如下:
结合零级化学反应动力学模型和Arrhenius方程,得到河鲫鱼的货架期预测模型为:
式中,SL为预测货架期(shelf life),d;k为反应速率常数;B0为品质参数初始值,如TBA,TVB-N,K值的等;B为实时品质因子;A0为指前(频率)因子,即活化能为零时的反应速率;Ea为活化能,J/mol;R 为气体常数,8.3144 J/(mol·K);T为绝对温度,K。
由此得到TBA货架期预测模型为:
;
式中:BTBA0为河鲫鱼的TBA的初始测定值;BTBA为贮藏一段时间后的测定值;T为贮藏温度。
表4 河鲫鱼TBA值零级变化的活化能Ea和指前因子A0
3.3货架期预测模型的验证与评价
为验证该模型在273~291K温度区间的准确性,将河鲫鱼贮藏在282K条件下,通过测定其TBA实际测量值验证该模型。表5为282K条件下河鲫鱼的TBA货架期的预测值和实测值比较。
表5 河鲫鱼在282K条件下货架期的预测值和实测值比较
上述验证结果显示,应用本发明所建立的河鲫鱼TBA值货架期预测模型所得到的货架期预测值相对误差在±5%以内,可以快速准确地实时预测273~291K贮藏条件下的河鲫鱼的货架期。
结论
实验结果表明,河鲫鱼的TBA值随着贮藏时间的延长而增加,其感官品质随着贮藏时间的延长而不断下降。货架期随着贮藏时间的延长而变短,并且温度的高低决定着其品质指标的增长速度,且符合零级化学反应动力学模型。根据河鲫鱼TBA值所建立的货架期预测模型,得到的Arrhenius方程和零级化学反应动力学方程在一定程度上具有较高的一致性和拟合精度。根据282K条件下的实测值用来验证得到的河鲫鱼货架期预测模型,结果表明相对误差在5%以内,因此可根据河鲫鱼TBA值在273~291K范围内对其剩余货架期进行快速可靠地预测。
Claims (6)
1.一种用TBA建立河鲫鱼货架期预测模型的方法,其特征在于:将河鲫鱼分别贮藏在不同温度下,测定了河鲫鱼的感官指标、TBA随贮藏时间的变化规律,利用Arrhenius方程将TBA与其贮藏的温度和时间关系建立货架期预测模型;具体步骤如下:
(1)将活的河鲫鱼去头去尾去内脏去鳞处理;
(2)河鲫鱼处理完成后,立即用保鲜袋包装好放在恒温箱内贮藏,不定期取肉进行TBA的测定,并进行感官评定;
(3)建立TBA随着贮藏温度变化的动力学模型;
(4)通过相应的品质能级函数分析,通过零级和一级化学反应动力学方程的参数比较,选取更适合河鲫鱼各指标品质变化规律,零级方程为B=B0-kT,一级方程为B=B0ekT;
(5)进行拟合,得到不同温度下TBA值的速率常数k、决定系数R2和∑R2,进行比较,最后求出TBA值的速率常数A0和活化能Ea;
(6)以TBA作为判断依据得到的货架期,建立货架期预测模型为
;
式中:BTBA0为河鲫鱼的TBA的初始测定值;BTBA为贮藏一段时间后的测定值;T为贮藏温度;
(7)用贮藏在282K温度下的河鲫鱼的TBA来预测和验证货架期模型的准确性;
(8)感官指标主要是用于结合TBA值综合考虑来确定河鲫鱼的货架期。
2.如权利要求1所述的一种用TBA建立河鲫鱼货架期预测模型的方法,其特征在于:挑选质量为300~500g、色泽光亮、鱼鳞完整、健康活力的河鲫鱼为试验原料。
3.如权利要求1所述的一种用TBA建立河鲫鱼货架期预测模型的方法,其特征在于:在超市内经去头去尾去内脏去鳞处理,然后用冰水清洗干净后置于80cm×36cm×12cm型聚苯乙烯泡沫箱内,采用层冰层鱼叠放方式,每个泡沫箱内装20条鲫鱼,在半小时内迅速运回实验室处理。
4.如权利要求1所述的一种用TBA建立河鲫鱼货架期预测模型的方法,其特征在于:处理后的鲫鱼运回实验室后进行冰水清洗10min并置于4℃条件下沥干30min。
5.如权利要求1所述的一种用TBA建立河鲫鱼货架期预测模型的方法,其特征在于:用25cm×35cm型保鲜袋包装好处理过的河鲫鱼分别放入273K、279K、282K、285K和291K恒温箱内贮藏,每次试验时用菜刀沿着鲫鱼背部中线切开并取肉5g用于测量TBA值,每组样品平行测定3次。
6.如权利要求1所述的一种用TBA建立河鲫鱼货架期预测模型的方法,其特征在于:通过相应的品质能级函数分析比较,确定选取零级化学反应动力学方程来反映河鲫鱼各指标品质变化规律。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410394531.3A CN104200068A (zh) | 2014-08-12 | 2014-08-12 | 一种用tba建立河鲫鱼货架期预测模型的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410394531.3A CN104200068A (zh) | 2014-08-12 | 2014-08-12 | 一种用tba建立河鲫鱼货架期预测模型的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104200068A true CN104200068A (zh) | 2014-12-10 |
Family
ID=52085361
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410394531.3A Pending CN104200068A (zh) | 2014-08-12 | 2014-08-12 | 一种用tba建立河鲫鱼货架期预测模型的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104200068A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104792950A (zh) * | 2015-05-12 | 2015-07-22 | 上海海洋大学 | 一种预测金枪鱼货架期的模型 |
CN106650291A (zh) * | 2017-01-03 | 2017-05-10 | 上海海洋大学 | 一种预测三文鱼货架期的模型 |
CN107884528A (zh) * | 2017-11-10 | 2018-04-06 | 广州南沙珠江啤酒有限公司 | 基于发酵液对纯生啤酒货架期内泡持性进行预测的模型建立方法及其预测方法 |
CN108615094A (zh) * | 2018-05-04 | 2018-10-02 | 上海海洋大学 | 一种南美白对虾剩余货架期的预测方法及系统 |
CN109934370A (zh) * | 2017-12-15 | 2019-06-25 | 中国农业大学 | 一种鱼类存活率预测方法及装置 |
CN110133202A (zh) * | 2019-05-20 | 2019-08-16 | 梁志鹏 | 一种智能厨房的食材监测新鲜度的方法及装置 |
CN111210087A (zh) * | 2020-01-16 | 2020-05-29 | 中国农业大学 | 水产品无水保活运输品质动态预测及控制优化方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4680389A (en) * | 1986-01-10 | 1987-07-14 | Bristol-Myers Company | Temperature stable crystalline di(1-methyl-2-pyrralidinone) and di(N-formylpyrrolidine) adducts of cephalosporin derivatives |
CN101358958A (zh) * | 2008-09-05 | 2009-02-04 | 上海海洋大学 | 带鱼的货架期预测模型 |
CN101363831A (zh) * | 2008-08-07 | 2009-02-11 | 上海海洋大学 | 一种淡水鱼肉制品的货架期预测方法 |
CN101731723A (zh) * | 2010-01-14 | 2010-06-16 | 上海海洋大学 | 涂膜保鲜剂结合冰温技术保藏南美白对虾的方法 |
-
2014
- 2014-08-12 CN CN201410394531.3A patent/CN104200068A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4680389A (en) * | 1986-01-10 | 1987-07-14 | Bristol-Myers Company | Temperature stable crystalline di(1-methyl-2-pyrralidinone) and di(N-formylpyrrolidine) adducts of cephalosporin derivatives |
CN101363831A (zh) * | 2008-08-07 | 2009-02-11 | 上海海洋大学 | 一种淡水鱼肉制品的货架期预测方法 |
CN101358958A (zh) * | 2008-09-05 | 2009-02-04 | 上海海洋大学 | 带鱼的货架期预测模型 |
CN101731723A (zh) * | 2010-01-14 | 2010-06-16 | 上海海洋大学 | 涂膜保鲜剂结合冰温技术保藏南美白对虾的方法 |
Non-Patent Citations (1)
Title |
---|
潘文龙 等;: "《河鲫鱼在不同贮藏温度下的货架期模型预测》", 《食品工业科技》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104792950A (zh) * | 2015-05-12 | 2015-07-22 | 上海海洋大学 | 一种预测金枪鱼货架期的模型 |
CN106650291A (zh) * | 2017-01-03 | 2017-05-10 | 上海海洋大学 | 一种预测三文鱼货架期的模型 |
CN107884528A (zh) * | 2017-11-10 | 2018-04-06 | 广州南沙珠江啤酒有限公司 | 基于发酵液对纯生啤酒货架期内泡持性进行预测的模型建立方法及其预测方法 |
CN109934370A (zh) * | 2017-12-15 | 2019-06-25 | 中国农业大学 | 一种鱼类存活率预测方法及装置 |
CN109934370B (zh) * | 2017-12-15 | 2024-03-05 | 中国农业大学 | 一种鱼类存活率预测方法及装置 |
CN108615094A (zh) * | 2018-05-04 | 2018-10-02 | 上海海洋大学 | 一种南美白对虾剩余货架期的预测方法及系统 |
CN110133202A (zh) * | 2019-05-20 | 2019-08-16 | 梁志鹏 | 一种智能厨房的食材监测新鲜度的方法及装置 |
CN111210087A (zh) * | 2020-01-16 | 2020-05-29 | 中国农业大学 | 水产品无水保活运输品质动态预测及控制优化方法及装置 |
CN111210087B (zh) * | 2020-01-16 | 2022-04-08 | 中国农业大学 | 水产品无水保活运输品质动态预测及控制优化方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104200068A (zh) | 一种用tba建立河鲫鱼货架期预测模型的方法 | |
Hopkins et al. | The effect of pH decline rate on the meat and eating quality of beef carcasses | |
Limbo et al. | Freshness decay and shelf life predictive modelling of European sea bass (Dicentrarchus labrax) applying chemical methods and electronic nose | |
Giménez et al. | Sensory shelf-life estimation: A review of current methodological approaches | |
Subramaniam et al. | The stability and shelf life of food | |
Lucherk et al. | Assessment of objective measures of beef steak juiciness and their relationships to sensory panel juiciness ratings | |
CN110210680A (zh) | 一种基于温度变化的鱼体新鲜度检测方法和装置 | |
Sánchez-Valencia et al. | Estimation of frozen storage time or temperature by kinetic modeling of the Kramer shear resistance and water holding capacity (WHC) of hake (Merluccius merluccius, L.) muscle | |
Wei et al. | Rapid and non-destructive detection of decay in peach fruit at the cold environment using a self-developed handheld electronic-nose system | |
CN104297440A (zh) | 一种预测河鲫鱼货架期的方法 | |
CN101576553A (zh) | 冷却猪肉的货架期预测模型 | |
CN104298868A (zh) | 一种冷链物流的冷却肉货架期预测方法及系统 | |
Imran et al. | Characterization of quality degradation during chilled shrimp (Litopenaeus vannamei) supply chain | |
CN101349685B (zh) | 一种预测冷却肉品质变化的方法 | |
Walker et al. | Calculating the energy and water use in food processing and assessing the resulting impacts | |
Li et al. | Shelf life prediction model of postharvest table grape using optimized radial basis function (RBF) neural network | |
CN101949870B (zh) | 一种冷藏鲤鱼鲜度品质预测方法 | |
Tryggvason et al. | Effects of food container depth on the quality and yield of superchilled and iced Atlantic salmon | |
CN106093324A (zh) | 一种精准预测速冻莲藕片品质变化的方法 | |
SOLANKI et al. | Freshness evaluation of fish by quality index method (QIM) and instrumental method at Veraval Fish Landing Centre | |
Yoko et al. | Simultaneous simulation of changes in the NaCl concentrations of Japanese radish and an aqueous solution during cooking | |
Modi et al. | Effect of carrageenan and oat flour on storage characteristics of fried mutton kofta | |
Eren et al. | The effect of external mass transfer resistance during drying of fermented sausage | |
Albrecht et al. | A Multi-Model Approach to Implement a Dynamic Shelf Life Criterion in Meat Supply Chains. Foods 2021, 10, 2740 | |
CN101539560A (zh) | 一种预测鲜鲳鱼货架期的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20141210 |