基于BP神經網絡的啤酒酒精度近紅外光譜快速檢測

以啤酒酒精度的快速測定為研究對象,采用誤差反向傳播算法(Back-Propagation,BP),結合主成分分析(PCA),構造了三層的神經網絡結構,建立了PCA-BP神經網絡模型,達到滿意的預測精度,結果表明:使用BP神經網絡方法后,驗證集預測均方差、平均相對誤差和回收率范圍分別為0.114、1.131%和97.91%-104.59%,其效果優于PLS模型.

作 者： 馮尚坤 徐海菊 FENG Shang-kun XU Hai-ju   作者單位： 浙江臺州科技職業學院,浙江,臺州,318020  刊 名： 紅外技術  ISTIC PKU 英文刊名： INFRARED TECHNOLOGY  年，卷(期)： 2008 30(1)  分類號： O657.33  關鍵詞： 近紅外(NIR)   啤酒   酒精度   人工神經網絡(ANN)   偏最小二乘(PLS)  

【基于BP神經網絡的啤酒酒精度近紅外光譜快速檢測】相關文章：

霉變板栗的近紅外光譜和神經網絡方法判別04-26

土壤中總氮與總磷含量的近紅外光譜實時檢測方法04-26

異穗卷柏的顯微與近紅外光譜鑒定研究04-26

基于改進BP神經網絡的職業危害預警模型04-25

不同貯存溫度蜂花粉的可見-近紅外光譜鑒別04-26

黃酒總糖含量的中紅外光譜定量檢測04-26

基于BP神經網絡的降雨充水礦井涌水量預測04-27

基于MATLAB的BP神經網絡在清潔生產審核中的應用04-25

基于自適應Kalman濾波的BP神經網絡在導航中的應用04-27

基于BP神經網絡的彩色光彈性等色線自動定級法04-27