《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》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于荧光光谱技术的菜籽油氧化状态智能评价》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。