遗传算法优化BP及RBF神经网络用于苹果气味分类

本文研究了用遗传算法优化BP和RBF两种神经网络的方法来建立对“好”、“坏”，苹果气味识别的分类模型。形容结果表明，对“好”、“坏”苹果气味进行分类时，遗传算法优化BP和RBF神经网络建立的分类模型判别准确率均大于83％。     

苹果渣多酚提取工艺的神经网络建模与遗传算法优化

本实验建立了苹果渣多酚提取工艺的人工神经网络模型,研究了提取工艺神经网络模型的遗传算法优化技术。结果表明,结构为4-9-1的神经网络能较为精确的拟合输入的样本数据,其对测试样本的输出与实验结果的相关系数为0.985;遗传算法优化出的最佳提取工艺参数为乙醇浓度为62%、乙醇溶液的体积与苹果渣的质量之比为14:1,温度为69.7℃,提取时间为5.9h,该工艺参数下的提取率明显大于单因素试验和二次组合试验的结果,比最好的大16.9%。用神经网络模型描述提取工艺参数与提取率之间的关系,用遗传算法优化工艺参数,能设计出最佳的提取工艺参数。     

遗传算法与退火神经网络用于八种水溶性维生素液相色谱分离条件优化

使用均匀试验设计法以甲醇在线性梯度展开时的初始浓度和线性梯度的斜率为优化参数,对八种水溶性VC、VB1、VB2、VB6、叶酸、VB12、烟酸和烟酰胺混合体系进行液相色谱分离条件优化.基于遗传算法和退火神经网络方法建立了有效的分离条件预测模型.对模型所预测的最佳分离条件进行试验,分离结果满意.将遗传算法和退火神经网络有机结合可有效地用于液相色谱分离条件优化.     

乌衣红曲干型黄酒的传统生产工艺和质量控制

介绍了乌衣红曲干型黄酒的传统生产工艺流程,论述了各工序的工艺条件和操作要求,并提出一些改进意见,以保持传统特色和提高干型乌衣红曲黄酒的品质.     

遗传算法在微生物发酵培养中的应用

遗传算法是模拟生物群体遗传学的基本原理解决实际问题的一种高效优化方法。在优化过程中 ,它无需体系的先验知识 ,能在许多局部较优中找到全局最优点 ;在解决复杂的非线性问题方面 ,该算法显示出广阔的发展前景。文中简要介绍了遗传算法的基本原理和步骤 ,综述了它在微生物发酵领域的应用 ,并指出其目前存在的弱点     

基于遗传神经网络的郫县豆瓣有机酸提取工艺研究

针对郫县豆瓣有机酸最佳提取工艺问题,提出了一种高精度遗传神经网络优化方法,解决回归分析方法拟合度精度和准确性不高的现象。以郫县豆瓣有机酸提取量为性能指标,用中心组合试验数据训练遗传神经网络,当神经网络训练误差达到1.1862×10^-11时,神经网络算法输出数据与试验数据几乎完全拟合,平均相对误差为0%,而回归模型为0.822%,对比分析得出遗传神经网络算法的拟合精度和拟合优度均高于回归模型。用训练好的遗传神经网络算法对郫县豆瓣有机酸提取工艺条件进行优化,得到最佳提取工艺条件为:乙醇体积分数68.50%,料液比1∶20.44(g/mL),超声时间35.28min。此时有机酸提取量达到最大值15.19mg/g。该方法可为郫县豆瓣有机酸提取工艺提供试验参考,为制定更加完善的产品质量标准提供了数据支撑。     

基于MEA-BP神经网络的大米水分含量高光谱技术检测

利用高光谱技术对储藏大米的水分含量进行检测。本实验以120个大米样本为研究对象,采集所有大米样本的高光谱图像,利用多元散射校正的预处理方法对大米样本原始光谱数据进行降噪处理。由于原始高光谱数据量大且冗余性强,故利用逐步线性回归分析方法对预处理后的数据进行特征提取。最后建立BP神经网络的大米水分定量检测模型,由于建模效果没有达到预期目标,因此引入遗传算法(genetic algorithm,GA)和思维进化算法(mind evolutionary algorithm,MEA)优化BP神经网络的权值和阈值。对BP、GA-BP、MEA-BP 3种大米水分预测模型进行比较,3种模型的预测集决定系数都达到0.86以上,其中MEA-BP模型具有最佳的预测效果,预测集决定系数达到0.966 3,且均方根误差为0.81%。     

黄酒企业生产过程组织与质量管理控制

从生产过程组织与质量管理控制，特别是对成品酒质量管理等方面阐述了中国的传统产业和民族产业——黄酒业，面对WTO的挑战和激烈的市场竞争，必须在传统管理模式中融入现代管理模式，提高行业整体竞争水平和竞争能力，才能在日益发展的饮料酒行业中占有一席之地，并在高速发展的市场经济中得以生存、发展和壮大。     

基于神经网络和遗传算法的醋酸发酵培养基优化

为优化醋酸菌As1.41发酵培养基,采用正交试验确定最佳碳、氮源种类,并利用神经网络和遗传算法寻求最佳培养基浓度。试验结果:最佳碳、氮源为葡萄糖与酵母膏;最优组合是:葡萄糖2.7%,酵母膏3.1%,乙醇6.6%,NaCl0.41g/100mL。在接种量4%,温度30℃,转速120r/min下摇床发酵5d,做对照试验,结果表明:利用神经网络和遗传算法优化的培养基产酸量比优化前提高了31%,比正交试验优化结果提高了16%,说明神经网络与遗传算法在培养基优化中具有显著的优越性。     

基于BP神经网络和GA研究啤酒糟不溶性膳食纤维的酶法脱脂工艺

采用脂肪酶对酶碱法制备啤酒糟不溶性膳食纤维(IDF)的脱脂工艺进行研究,并对制备得到的IDF 成分和功能特性进行分析。在正交试验的基础上,基于BP 神经网络建立脂肪酶脱脂模型,利用遗传算法优化工艺条件。BP 神经网络建立的脱脂模型误差为0.0001,具有较强的逼近能力。优化得到的最佳工艺条件是加酶量0.7g、酶解温度39.6℃、酶解时间5.6h。在此条件下,脂肪去除率达74.1%。制备得到IDF 的溶胀性达6.05mL/g,持水力达318.2%,具有较好的生理活性。     

菜籽粕发酵脱毒工艺的神经网络建模与遗传算法优化

为了获得菜籽粕固态发酵(Bacillus subtilis BS-012)脱毒的最佳工艺条件参数,以硫苷降解率为响应值,通过中心组合设计得到的数据,建立其神经网络模型;同时利用遗传算法(GA)对网络模型进行全局寻优,最终获得最佳菜籽粕固态发酵脱毒工艺为:发酵温度为31.7℃,含水率为37.6%,发酵时间为39.3 h。在该工艺参数下的硫苷降解率提高了10.22%,显著高于原工艺。该研究结果表明,采用神经网络模拟结合遗传算法的优化方法,对菜籽粕脱毒工艺具有较好的优化效果。     

基于径向基神经网络和遗传算法的聚-γ-谷氨酸发酵培养基优化

为了提高聚-γ-谷氨酸（PGA）的产量,采用正交设计方案对发酵培养基组分中谷氨酸、葡萄糖、柠檬酸、甘油的配比进行试验设计,运用径向基神经网络建立PGA产量与培养基组分浓度之间的预测模型,采用遗传算法对此模型进行全局寻优,得到四种主要组份的最佳配比：谷氨酸21.2g/L、葡萄糖75.4g/L、柠檬酸7.2g/L、甘油10.8g/L,PGA产量达到12.8g/L,采用上述方法优化后的培养基使PGA的产量原始培养基提高了39.1%.     

风味蛋白酶水解合浦珠母贝肉制备抗菌肽人工神经网络法优化工艺

利用具有自学习特点的人工神经网络可实现对酶解过程的模拟仿真,研究从合浦珠母贝肉中制备抗菌肽的最佳工艺条件。采用3层(5-9-3)人工神经网络法对风味蛋白酶水解合浦珠母贝肉的工艺过程进行模拟和优化,并通过管碟抑菌法对产物的抑菌性质进行分析。结果表明：pH7.0、水解温度55℃、酶添加量1.6%、水解时间4h、料液比7:5,制备得到肽A,抑制鼠伤寒沙门氏菌最强,抑菌圈直径14.20mm,平均肽链长度2.6;pH7.0、水解温度55℃、酶添加量1.7%、水解时间4h、料液比3:2,制备得到肽B,抑制痢疾志贺氏菌最强,抑菌圈直径23.42mm,平均肽链长度2.8;pH6.5、水解温度60℃、酶添加量2.5%、水解时间4h、料液比7:5,制备得到肽C,对单核细胞增生李斯特菌的抑制效果最强,抑菌圈直径16.60mm,平均肽链长度2.5。3种抗菌肽对大肠杆菌、金黄色葡萄球菌也具有较强的抑菌效果,抑菌率为74.3%～80.8%。本研究利用人工神经网络优化制备的贝肉抗菌肽克服了纯度低、提取率低等缺点,为合浦珠母贝肉抗菌肽的开发利用提供技术支撑。     

遗传算法对红景天苷缓释微囊制作参数优化的研究

本文在建立适应度函数、选择编码方案、确定遗传操作、选取控制参数的基础上，研究了缓释微囊神经网络模型的遗传算法优化。得到的最佳工艺参数为海藻酸钠与红景天苷质量比为2，海藻酸钠浓度为3％，壳聚糖浓度为0．5％，氯化钙浓度为1％，pH6．35，该工艺参数下载药量、包埋率和决定系数的加权和明显大于试验的结果，比最好的大14％；且最佳工艺参数下目标的预测值和试验值基本相符，可以满足实际需要。遗传算法用于缓释微囊神经网络模型的工艺参数寻优是可行的。     

基于遗传算法的RBF神经网络在铂电阻温度传感器非线性补偿中的应用

针对铂电阻温度传感器在实际应用中存在非线性问题,提出了基于遗传算法优化径向基函数（RBF）神经网络实现其非线性补偿的方法。分析了非线性补偿原理。设计了RBF神经网络补偿器,并引入遗传算法优化神经网络结构和参数。实验结果表明,所提出的铂电阻温度传感器非线性补偿方法是实用和可行的。图4表1参10     

响应面法优化黄酒酿造工艺

以小米为原料,在单因素试验的基础上,采用Box-Behnken响应面法对小米黄酒的酿造工艺进行优化。结果表明：回归方程拟合性好,在酒曲添加量0.9%、糖化时间63 h、糖化温度31 ℃、酵母添加量0.39%、发酵温度32 ℃、发酵时间5 d时为最佳酿造条件。在此最优条件下,验证优化工艺得到最大糖度、最小酸度及最大酒精体积分数分别为17.25%、0.377 1和12.10%,与模型预测值17.26%、0.377 3和12.00%无显著性差异,表明通过响应面法优化的回归方程具有一定的实践指导意义。     

遗传算法的神经网络在酱油分类建模中的应用

文章通过对酱油挥发性风味物质成分进行检测分析,筛选出78组酱油共有挥发性成分,并获取与酱油发酵方式和生产地区相关的主要特征成分,利用神经网络进行特征成分的分类,鉴别酱油发酵方式及生产地区.利用遗传算法对神经网络分类模型进行优化,提高分类模型的鉴别性能.鉴别分析结果表明,使用原始数据进行酱油发酵方式分类和酱油产地分类的识...     

基于遗传算法与神经网络的微波浸提过程优化

微波浸提是一个非线性、不确定因素较多的过程。本实验以荞麦皮粉总黄酮的萃取工艺为例,采用神经网络对微波浸提过程进行模拟,并用遗传算法进行工艺参数的优化,得出荞麦皮粉中总黄酮的微波萃取过程的最佳工艺为:液料比6.25、乙醇浓度54%、微波功率456W、作用时间11.3min、搅拌速率483r/min。在该工艺条件下做了验证实验,总黄酮提取得率为0.796%。并通过对比实验证实:在达到相同的提取率时微波浸提在溶剂用量、溶剂回收率等方面均优于传统萃取方法。     

响应面法优化黄酒高温糖化酒母制作条件的研究

以酿酒酵母ALA01为材料对大酒母制作时物料添加量进行优化研究。利用Plackett-Burman设计筛选出麦芽、纯种曲和米浆水添加量是影响酒母质量的显著性因素,采用响应面Box-Behnken试验设计建立3个因素的二次多项式回归方程模型。优化结果显示,酵母数最佳参数是麦芽24.11 g/kg、纯种曲25.00 g/kg、米浆水324.70 g/kg,出芽率最佳参数是麦芽23.68 g/kg、纯种曲21.14 g/kg、米浆水328.56 g/kg,在各自最佳参数下,实际酵母数和出芽率分别达到2.35亿/mL和24.8%。利用酵母数最佳参数扩大培养时,酵母数达到2.37亿/mL,出芽率达到24.9%。     

红提和糯米复合发酵葡萄酒工艺优化及香气成分分析

目的：通过添加天然外源糖提升鲜食葡萄酒品质。方法：以红提为原料,糯米糖化液为外源糖,进行复合发酵红提葡萄酒工艺优化并分析鉴定葡萄酒中香气成分。以发酵温度、糯米糖化液和红提体积比、酵母接种量、SO2添加量为单因素,以乙醇体积分数和花色苷为指标研究红提葡萄酒发酵工艺;在单因素试验基础上进行3因素3水平响应面试验优化最佳发酵工艺。结果：单因素试验表明SO2添加量80?mg/L、发酵温度20?℃、酵母菌接种量1?g/L、糯米糖化液和红提体积比1∶4为最适发酵条件;响应面法优化红提果酒最佳发酵工艺为发酵温度21?℃、酵母接种量1.2?g/L、SO2添加量84?mg/L、体积比1∶4,发酵7?d得到体积分数为12.7%的红提葡萄酒。气相色谱-质谱联用仪共鉴定出39?种挥发性化合物,其中醇类15?种、酯类15?种、酸类5?种、萜类2?种。香气活性值（odor activity value,OAV）分析表明,共有12 种香气物质的OAV较高,主要为β-大马士酮、己酸乙酯、辛酸乙酯、乙酸异戊酯、癸酸乙酯。结论：以糯米糖化液为外源糖,可提升红提葡萄酒的乙醇体积分数,同时该葡萄酒具备良好的口感及典型的葡萄酒风味。