基于BP神经网络的啤酒酒精度近红外光谱快速检测

基于BP神经网络的啤酒酒精度近红外光谱快速检测

以啤酒酒精度的快速测定为研究对象,采用误差反向传播算法(Back-Propagation,BP),结合主成分分析(PCA),构造了三层的神经网络结构,建立了PCA-BP神经网络模型,达到满意的预测精度,结果表明:使用BP神经网络方法后,验证集预测均方差、平均相对误差和回收率范围分别为0.114、1.131%和97.91%-104.59%,其效果优于PLS模型.

作 者： 冯尚坤 徐海菊 FENG Shang-kun XU Hai-ju   作者单位： 浙江台州科技职业学院,浙江,台州,318020  刊 名： 红外技术  ISTIC PKU 英文刊名： INFRARED TECHNOLOGY  年，卷(期)： 2008 30(1)  分类号： O657.33  关键词： 近红外(NIR)   啤酒   酒精度   人工神经网络(ANN)   偏最小二乘(PLS)  

【基于BP神经网络的啤酒酒精度近红外光谱快速检测】相关文章：

霉变板栗的近红外光谱和神经网络方法判别04-26

土壤中总氮与总磷含量的近红外光谱实时检测方法04-26

异穗卷柏的显微与近红外光谱鉴定研究04-26

基于改进BP神经网络的职业危害预警模型04-25

不同贮存温度蜂花粉的可见-近红外光谱鉴别04-26

黄酒总糖含量的中红外光谱定量检测04-26

基于BP神经网络的降雨充水矿井涌水量预测04-27

基于MATLAB的BP神经网络在清洁生产审核中的应用04-25

基于自适应Kalman滤波的BP神经网络在导航中的应用04-27

基于BP神经网络的彩色光弹性等色线自动定级法04-27