基于主成分分析、遗传算法和神经网络对啤酒感官评价预测的研究

使用主成分分析、遗传算法和神经网络建立啤酒感官评价模型并预测.该模型先将啤酒中23个理化及风味指标进行主成分分析,再将主成分得分作为输入数据,感官评价得分作为输出数据,使用BP神经网络建立预测模型,并采用遗传算法优化神经网络的权值.用此模型对50种啤酒的感官得分进行预测,预测最大相对误差为16.08%.经过对感官评价的分析,最大相对误差小于20%认为可信.结果表明,该方法能有效地预测啤酒感官评价.     

主成分分析法及其在啤酒风味评价分析中的应用

用较少的综合指标概括存在于大量观测数据中的各类信息,综合指标之间彼此不相关,各指标代表的信息不重叠的分析方法称为主成分分析。应用主成分分析法可实现对不同品牌啤酒风味差异性的评价、同一品牌啤酒风味一致性的评价、同一品牌不同生产厂之间一致性的评价和同一生产厂啤酒一致性的评价。该方法可消除各变量之间的共线性,减少变量的个数,结果直观;可以对啤酒样品风味的差异性、一致性与均一性进行分析比较。     

啤酒风味物质变化与感官品尝关系的研究

通过定期检测啤酒中主要风味物质含量的变化,研究了啤酒贮藏期间的风味改变。结果发现,啤酒在室温贮藏6个月中,乙醛、二甲基硫、挥发性酯类和高级醇等风味物质都出现了明显的变化,其中乙醛增加了15.4%,二甲基硫增加了34.8%,挥发性酯类的减少了9.9%,总高级醇的减少了6.6%。为研究啤酒风味变化与感官品尝的相关性,建立了BP神经网络评分预测系统,取得较好效果。     

啤酒的感官评价

<正> 最近,各啤酒公司相继发售新产品。对啤酒爱好者来说,选择商品虽是件乐事,但另一方面也遇到了商品识别困难的问题。 本文即是想全面地解说与这类新产品开发关系密切的啤酒感官评价的问题。     

主成分分析法及其在啤酒风味评价中的应用研究

在科学研究中，常常需要对反映事物属性的多个变量进行大量的观察，收集大量数据。多变量大样本无疑会为科学研究提供丰富信息，但同时也给数据处理带来了困难。特别是某些变量之间可能存在相关性，这意味着表面上看来彼此不同的观察数据，并不能从各个侧面反映事物的不同属性，而恰恰是事物同一种属性的不同表现。如何从大量的数据中挤去泡沫成分，抽象出事物的本质属性，这就是主成分分析的目的。     

啤酒的感官品评

本文详细介绍了啤酒品评的方法、啤酒品评的感觉器官、风味阈值与风味强度的关系、啤酒中的风味物质、风味描述术语、评酒员的考核与训练方法及啤酒工厂品评内容等，希望能够对啤酒同行在品评活动中有一定的帮助。     

基于主成分分析的BP神经网络粮食产量预测模型

我国作为世界上人口最多的国家,始终把发展粮食生产放在社会发展的重要位置。粮食产量变化具有非平稳性,若采用传统的预测方式会使预测结果不理想。BP神经网络对粮食产量进行预测能较好地描述粮食产量的非平稳性;主成分分析法能将高维数据缩减到更小的维度来理解高维数据。本文采用主成分分析法与BP神经网络相结合的预测模型,可以优化BP神经网络,提高粮食产量预测的精确度,是一种有效的粮食产量预测途径。     

基于主成分分析玫瑰露酒感官特征与偏好性关系

为研究玫瑰露酒中决定消费者接受度的相关指标与玫瑰露酒感官特征之间的相互关系,测定市售玫瑰露酒的还原糖、可溶性固形物及其与青年人群偏好性,绘制玫瑰露酒风味剖面图,利用主成分分析（principal component analysis,PCA）及皮尔森（Pearson）相关性分析对所得数据进行研究。可接受度（n=50）试验结果表明,青年人群的偏好性更倾向于在花香、甜味、甜香、协调、顺滑等感官上突出的M1、M2酒样;而与醇香、苦味、酸味、涩感相关的B7、M8、M9、M10酒样,青年人群对其可接受度较低。在对市售玫瑰露酒的选择中,青年人群更偏好于具有良好口感和芳香性的玫瑰露酒。     

啤酒的感官评价

啤酒的质量是由啤酒风味、口味、色泽、泡持性、酒体清亮无混浊及其酒体的稳定性所共同体现。啤酒的泡沫、色泽和浊度可以通过各种化学或生物方法来测定，然而啤酒的风味、口味，不能充分测定，仅有经过适当培训和经历的人才能够评价这些参数。本文论述了对品评人员的要求，并对典型的风味、异味进行了描述。     

基于主成分-神经网络预测干洗后织物复合体粘合效果

通过主成分分析,提取了面料和粘合衬性能参数的8个主成分作为新的综合变量。采用BP神经网络技术建立预测干洗后织物复合体粘合效果的3层神经网络模型,运用动量法和学习率自适应调整算法训练模型。通过预测值与试验观测值的比较,表明用主成分神经网络方法预测粘合后织物复合体经干洗后粘合效果具有相当高的准确性,从而在一定程度上证明此方法的可行性。     

基于主成分分析法羊肉火腿香气质量评价模型的构建

采用顶空固相微萃取-气相色谱质谱联用技术（HSPME-GC-MS）测定10个羊肉火腿样本中的挥发性物质,筛选出22种主要风味物质,利用主成分分析法构建香气质量评价模型。结果表明:第一至五主成分的累积贡献率为82.989%,包含了十八醛、1-壬醇、正辛醛等15种化合物,能够较好地反映原始数据的信息。同时,该模型评价结果与感官评价结果具有很好的一致性,能综合、准确地反映羊肉火腿的香气质量优劣,为羊肉火腿香气质量评价提供了一种新方法。      

基于主成分分析的不同种鲜食葡萄品质评价

为更加准确地评价鲜食型葡萄的品质,选择了南方种植与售卖的18种鲜食葡萄,对其果实的14个基本品质指标进行检测,并进行感官评分和相关性分析,采用主成分分析法建立了综合得分数学模型。结果表明,不同品种鲜食葡萄各品质指标间含量差异明显,其中硬度差异最大(变异系数为51.18%);相关性分析显示各指标间存在独立性和一定程度的相关性;主成分分析提取了4个主成分因子,累积贡献率达到了88.63%;综合得分显示葡萄品质最好的为黑提、阳光玫瑰、魏可、红地球和巨玫瑰,巨峰、红宝石和金手指品质相对较差。     

基于主成分分析法评价谷朊粉品质

以10种市售谷朊粉为试材,在分析谷朊粉的水分、灰分、粗脂肪、粗蛋白等理化指标及吸水率、溶解性、持水力、起泡性及泡沫稳定性等功能性的基础上,利用主成分分析法对谷朊粉的品质进行了的评价。结果表明:不同企业生产的谷朊粉品质不同,通过主成分分析,提取3个主成分累计方差贡献率为83.824%,其中第1、第2和第3主成分方差贡献率分别为54.443%、18.039%和11.341%。确定泡沫稳定性、溶解性、吸水率、起泡性、水分及粗蛋白含量是影响谷朊粉品质的重要指标,建立了综合评价谷朊粉品质的方法,对谷朊粉品质进行综合评分并排序。谷朊粉综合得分越高,谷朊粉的品质越好,10种谷朊粉中排在前三位的依次是8号、5号和7号谷朊粉。      

基于主成分分析的苹果品质综合评价研究

以国家苹果种质资源圃中的53个中早熟品种苹果为材料,分析其品质性状及分布,利用主成分分析建立综合评价模型进行品质综合评价。结果表明,品质性状间存在不同程度的差异,其中果皮颜色a*值变异最大,变异系数为-297.38%,水分含量品种间变异最小,变异系数为1.64%;主成分分析提取了前6个主成分,累积方差贡献率达到75.147%,主成分综合评价筛选出老笃、克鲁斯、黄魁等优选品种。     

基于不同小麦原粮的面包感官评价结果预测模型研究（网络首发、推荐阅读）

收集了66个2021年国产高筋优质小麦样品（涉及12个品种）,分析其理化指标及面包的感官属性。对不同品种小麦进行主成分分析,结果显示,面包感官评分的高低与面筋指数、最大拉伸阻力、搅拌时间、拉伸面积以及稳定时间等存在较强的相关性;同时,通过聚类分析筛选相似度较高的小麦品种,可对烘焙专用面粉的开发和维持生产稳定性起到关键指导作用。对比逐步回归、偏最小二乘和神经网络模型三个方法建立的面包感官评分预测模型拟合质量,结果表明,使用人工神经网络建立的模型拟合性明显优于其他模型。使用神经网络模型,可快速预测不同品种小麦的烘焙特性,保证产品稳定性,也为开发更具有针对性的烘焙专用面粉提供参考。     

基于主成分分析法的复合营养米评价模型的建立

为了指导复合营养米品质改良和新产品开发,本研究主要以物性特性为自变量,通过主成分分析法建立了复合营养米食用品质评价模型。结果表明:所选取的20项指标可归纳为4个主成分,分别反映复合营养米的适口性、冷饭特性、挤压过程中的降解程度和糊化程度。以复合营养米的感官评价结果对建立的模型进行检验,2种方法具有很好的一致性,因此,主成分分析法可作为评价复合营养米食用品质的方法 。     

基于主成分分析判别特香型不同年份类型白酒的研究

通过气相色谱对特香型4类（X1～X4）年份白酒的挥发性成分进行检测,利用主成分分析（PCA）对所有挥发性风味物质构建质量评价模型。结果表明,共检测定量出30种风味物质。运用挥发性香气质量评价模型来计算4个年份类别的特香型白酒的综合得分,得分顺序为X1＞X2＞X3＞X4。主成分分析结果表明,X1、X2类年份白酒之间差异较大,X3、X4类年份白酒样品具有较高的相似性,但与X1、X2类别的年份白酒风格存在一定的差异。主成分分析得出的结果与感官品评大体一致,说明主成分分析能较好鉴别特香型年份类别白酒。     

基于主成分分析和层次聚类分析的酱香型白酒基酒分类研究

为了区分酱香型白酒不同轮次基酒,对茅台镇49个酱香型白酒基酒样品进行理化指标和感官品评分析,并结合主成分分析（PCA）和层次聚类分析（HCA）进行分类。结果表明,各轮次基酒的总酸、乙酸乙酯、正丙醇含量随着轮次数增加而减少,总酯、乳酸乙酯含量先增后减,醇类、醛类和己酸乙酯含量基本保持稳定。感官品评结果显示,各轮次基酒的风格随着轮次数增加由酯香、粮香、酸、涩向酱香、甜、丰满过渡,最终表现为焦香、苦、丰满。基于理化指标和感官评价结果的层次聚类分析（HCA）和主成分分析（PCA）结果表明,该方法能够有效实现酱香型白酒不同轮次基酒的分类,不同轮次基酒样品可划分为三类：①一、二轮次基酒;②三、四轮次基酒;③五、六、七轮次基酒。