领学术科研之先，创食品科技之新
—— 中国食品杂志社
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。
2023年第37卷 2022年第36卷 2021年第35卷 2020年第34卷 2019年第33卷 2018年第32卷 2017年第31卷 2016年第30卷 2015年第29卷 2014年第28卷 2013年第27卷 2012年第26卷 2011年第25卷 2010年第24卷 2009年第23卷 2008年第22卷 2007年第21卷 2006年第20卷 2005年第19卷 2004年第18卷 2003年第17卷 2002年第16卷 2001年第15卷 2000年第14卷 1999年第13卷 1998年第12卷 1997年第11卷 1996年第10卷 1995年第09卷 1994年第08卷 1993年第07卷 1992年第06卷 1991年第05卷 1990年第04卷 1989年第03卷 1988年第02卷 1987年第01卷
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
