《表1 智能评价模型:基于荧光光谱技术的菜籽油氧化状态智能评价》
采用BP神经网络法,选取菜籽油在Δλ=60nm波段的特征光谱数据作为输入层神经元,极性组分作为输出层神经元,隐含层单元数为20。以随机抽取的方式,从所有样本中选取70%为训练样本,15%为验证样本,15%为测试样本,采用莱文贝格-马夸特算法(trainlm算法)经过5次迭代循环完成训练,得到菜籽油智能评价模型,模型参数见表1。R表示输出值与目标值之间的相关性,R值范围为[0,1],R值越接近1,模型预测效果越好;均方误差MSE指输出值与目标值之间的平均平方差,MSE值越小,模型预测效果越好。常温氧化模型中,验证集及测试集的相关系数R达到1,输出值与目标值较接近,模型的预测效果很好;综合三种氧化模式建模,对应训练集、验证集、测试集模型的相关系数分别为0.999,0.913和0.988,均方误差均较小,模型的输出值与目标值较接近,表明智能评价模型效果较好。因此,三维荧光光谱技术结合平行因子法及BP神经网络法能够快速准确地实现菜籽油氧化状态的判别。
图表编号 | XD0032178700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.01 |
作者 | 孙艳辉、李双芳、郭玉宝、顾海洋、董艺凝 |
绘制单位 | 滁州学院生物与食品工程学院、滁州学院生物与食品工程学院、安徽工程大学生物与化学工程学院、安徽工程大学生物与化学工程学院、滁州学院生物与食品工程学院、滁州学院生物与食品工程学院 |
更多格式 | 高清、无水印(增值服务) |