领学术科研之先,创食品科技之新
—— 中国食品杂志社
期刊集群
利用粒子群算法优化反向传播人工神经网络模型预测熏肠中4种多环芳烃含量
来源:食品科学网 阅读量: 142 发表时间: 2022-03-23
作者: 邢 巍,刘兴运,许朝阳,惠 腾,王石宇,蔡克周,周 辉,陈从贵,徐宝才
关键词: 熏肠;反向传播人工神经网络;优化设计;多环芳烃;灵敏度分析
摘要:

构建基于粒子群优化(particle swarm optimization,PSO)算法的反向传播人工神经网络(back propagation artificial neural network,BP-ANN)预测模型,对熏肠中4 种多环芳烃(polycyclic aromatic hydrocarbons,PAHs)(苯并(a)芘、苯并(a)蒽、苯并(b)荧蒽、䓛)含量进行预测。以烟熏温度、烟熏时间、肥瘦比和熏肠色泽(红绿值和黄蓝值)作为BP-ANN模型的输入层参数,熏肠的4 种PAHs含量作为输出层参数,通过PSO-BP-ANN模型来优化初始权重和阈值,以获得最佳参数。结果表明:构建的PSO-BP-ANN熏肠PAHs含量预测模型均方误差为0.018,模型的训练、验证、测试和全局数据集的相关系数(R2)分别为0.951、0.929、0.933和0.940,均优于BP-ANN模型,使用PSO-BP-ANN模型具有更好的准确性和鲁棒性。

电话: 010-87293157 地址: 北京市丰台区洋桥70号

版权所有 @ 2023 中国食品杂志社 京公网安备11010602060050号 京ICP备14033398号-2