GA-BP神经网络及其在液体乳安全评价中的应用

利用遗传算法(Genetic Algorithm,GA)优化BP(Back Propagation,BP)神经网络的初始权值、阈值,以期加快网络收敛,提高预测精度。以乳制品中的液体乳为实验材料,建立安全评价指标体系;将优化后的GA-BP神经网络作为评价模型,对液体乳的日常检测数据进行拟合;以测试数据作为验证,检测模型的收敛速度和拟合度。结果表明GA-BP较BP神经网络来讲更稳定,能较快收敛,且仿真误差较小;在隐层节点数为9时,GA-BP神经网络对液体乳的拟合效果最好,预测精度较高,是一种可行的液体乳安全状况评价方法。     

基于PCA-BP算法的智慧建筑空调能耗预测

近年来,智慧建筑的空调能耗越来越重视向节能化发展。受气象参数和建筑参数等多种环境因素影响导致传统的SVM、Tree、Linear Regression、BP神经网络等算法不能准确的预测空调能耗,提出一种基于PCA(principal Component Analysis)-BP(Back Propagation)神经网络的融合算法来能耗预测。通过模型仿真试验,得出PCA-BP融合算法空调能耗预测的误差均方根为0.0056k Wh,预测准确度较传统BP神经网络算法提高了45.4%。     

基于GRNN神经网络的面料热阻预测模型研究

热阻是衡量面料热舒适性的一项重要指标,为获得不同环境下面料的热阻值,多采用测试获得。文章通过YG(B)606G型纺织品热阻和湿阻测试仪,对不同面料在不同环境下的热阻进行测试。运用Matlab,基于GRNN(General Regression Neural Network)广义回归神经网络,使用少量输入参数,对不同环境下的热阻值进行预测。与传统的测试相比,GRNN神经网络实验量小,方便快捷、省时省力且预测结果准确性好;与BP(Back Propagation)神经网络相比,GRNN神经网络人为设定量更少,更为客观,预测结果更加准确。经Wilcoxon符号秩检验配对样本检验发现,GRNN神经网络预测值与实际值更加接近,可信度更强。     

基于深度神经网络的卷烟智能投放模型构建方法

为解决卷烟产品精准投放等问题,提出了一种基于LSTM(Long Short-Term Memory)和BP(Back Propagation)神经网络的卷烟智能投放模型,包括产品销量预测和投放策略生成两大步骤.首先,通过LSTM提取卷烟销量时序特征,结合专家提取特征进行产品销量模型预测;其次,根据销量预测值和人工选择的...     

基于小波-LMBP神经网络短期电力负荷预测研究

为了提高电力系统短期负荷预测精度,针对短期电力负荷具有随机性、不确定性和周期性的特点,提出基于小波分析和LMBP(Levenberg-Marquardt Back Propagation)神经网络组合模型预测方法,并经实际算例证明,该方法优越于单一LMBP神经网络预测模型和算法,是电力系统预测领域中一种提高预测精度的有效方法。     

神经网络在超短期风功率预测上的应用

化石能源的日渐枯竭让各个国家认识到开发清洁能源的必要性和紧迫性,其中风能作为清洁能源的代表引起了各国足够的重视,但是风的不稳定性给电网并网和能源调度带来了很大的考验。这时是否能做到精准的风功率预测就显得尤为重要。为了精准预测内蒙古某风场的风功率,文章选取了BP (Back Propagation-BP)神经网络,LSTM (Long Short Term Memory Neural Networks-LSTM)神经网络,RNN(Recurrent Neural Network-RNN)循环神经网络,GRU(Gated Recurrent UnitGRU)神经网络进行调试对比,结果显示预测误差都在10%以内,并且能在几分钟内给出预测结果。     

生活用纸纤维原生状态识别程序的界面设计和算法改进

基于PCA-BP神经网络(Principal Component Analysis-Back Propagation Neural Network)的算法,采用Lab View编写了程序界面交互友好的操作软件系统,用于对生活用纸的纤维原生状态识别。界面设计主要赋予了程序简便操作,人机友好的特点;在算法中通过引入国质检总局提供的条件判定方法对前期的纤维原生状态识别模型进行了改进。结果表明,程序界面具有清晰简洁、交互友好、可操作性强的特点,可对处于模糊区域的样品的纤维原生状态进行准确的识别。本程序对于市售卫生纸使用的安全性,防止假冒伪劣和制假售假,具有重要的意义。     

一种基于K-means的神经网络数据集回归预测算法

在智能电网研究领域的高维数据回归分析和预测模型中,传统的统计学模型不能平衡不同维度之间信息价值,影响数据集的预测有效性。为解决上述问题,提出一种基于K-means的神经网络数据集回归预测算法。首先,在特征层面上,多层循环神经网络提取不同维度的数据特征并训练响应,然后,在算法层面上,通过K-means的分类器模型依照数据的维度特征分类并融合循环神经网络(Recurrent Neural Network,RNN)的特征响应,再对输出响应的数据集构建组合预测模型,从而提高预测算法的可靠性。在公开的回归数据集上进行测试。实验测试的结果表明,与门控循环算法(Gated Recurrent Unit, GRU)相比降低了14.45%的平均绝对误差值。     

基于神经网络对枯草芽孢杆菌富硒过程的建模研究

本文通过神经网络和响应面法建模,研究温度、pH、氯化钠浓度和硒浓度对预测枯草芽孢杆菌的生长,碱性蛋白酶活和富硒的影响。将径向基(Radial Basis Function,RBF)神经网络和反向传播(Back Propagation,BP)神经网络这两种类型的网络,与响应面法作比较。同时,使用遗传算法优化神经网络的内部结构。通过灵敏度分析发现枯草芽孢杆菌的生物量以及碱性蛋白酶活性的变化与氯化钠浓度的变化密切相关,并且温度的变化也影响碱性蛋白酶的活性,而亚硒酸钠的浓度是影响富硒最重要的参数。通过比较实测值和预测值发现:用BP网络所预测的结果比RBF网络和响应面法更加准确。遗传算法-神经网络方法提供了一个可靠的软件工具来预测枯草芽孢杆菌的富硒过程,为实际的规模化生产奠定理论基础。     

基于高速动车组重联网络控制系统时延的研究

文章首先建立高速动车组重联网络控制系统模型并分析前向通道与反向通道时延,基于BP神经网络递推预测的方法对网络控制系统未来的输出进行预测。然后提出一种快速隐式广义预测控制算法(IGPC)对预测的时延进行补偿,IGPC算法的原理是根据系统输入与输出数据,并利用广义预测控制(Generalized Predictive Control,GPC)算法与动态矩阵控制律(DMC)的等价性,直接求解最优控制律。IGPC算法比GPC算法的计算量更小且效率更高,既能节省时间成本又能保证高速动车组网络控制的实时性。最后将BP神经网络递推预测的方法与IGPC、GPC结合起来,分别采用无时延补偿基于BP神经网络预测的GPC算法、有时延补偿基于BP神经网络预测的GPC算法及有时延补偿基于BP神经网络预测的IGPC算法进行实验仿真,实验结果表明:相比较于其它两种算法,有时延补偿基于BP神经网络预测的IGPC算法可较好地跟踪标准参考方波,在初始阶段的震荡时间最短且超调量也最小。故有时延补偿基于BP神经网络预测的IGPC算法为最优算法。     

基于近红外光谱定量分析植物水解蛋白掺假牛奶

植物水解蛋白是一种典型的蛋白质含氮掺假物质,被不法商贩作为廉价的蛋白质添加到牛奶中以提高其蛋白质含量。本研究自行配置不同浓度的植物水解蛋白掺假牛奶,应用近红外光谱分析仪漫反射模块直接扫描掺假样品,同时使用透射分析模块扫描三氯乙酸前处理的掺假样品;应用TQ软件分别建模并比较两种方法差异。结果表明:使用一阶导数Norris Derivative滤波预处理,在8000~5000 cm~(-1),主成分数10,使用PCR构建了最优植物水解蛋白漫反射定量分析模型,RMSEC、RMSEP和R分别为0.224、0.214和0.98414,平均回收率为93.2479%。使用一阶导数Norris Derivative滤波预处理,在10000~7000 cm~(-1),主成分数10,使用PCR构建了最优植物水解蛋白透射定量分析模型,RMSEC、RMSEP和R分别为0.175、0.138和0.99036,平均回收率为98.7351%。经过三氯乙酸处理的透射模型更加精确和稳定,可以用于牛奶中植物水解蛋白的检测,可以为牛奶品质控制和快速定量提供参考。     

基于LVF-NIR的樱桃可溶性固形物含量无损速测模型的建立与优化

目的建立基于便携式近红外光谱仪的樱桃可溶性固形物含量无损快速定量检测模型,从而实现樱桃品质的无损快速检测。方法以北京通州产红灯樱桃、黄玉樱桃为研究对象,采用便携式线性渐变分光近红外光谱仪采集光谱数据,并采用折光仪测定其可溶性固形物含量;采用偏最小二乘回归结合全交互验证算法将光谱数据与可溶性固形物含量测定值建立定量校正模型,采用外部验证集对模型的预测性能做进一步测试。结果红灯樱桃可溶性固形物含量模型的R_C~2、RMSEC、R_(CV)~2、RMSECV、RPD分别为0.9194、0.79、0.8920、0.92、3.54,黄玉樱桃可溶性固形物含量模型的R_C~2、RMSEC、R_(CV)~2、RMSECV、RPD分别为0.8618、0.76、0.8246、0.86、2.70;两种樱桃可溶性固形物含量合并模型的R_C~2、RMSEC、R_(CV)~2、RMSECV、RPD分别为0.9125、0.81、0.8946、0.89、3.38。结论基于便携式线性渐变分光近红外光谱仪数据所建校正模型具有较好的准确度,可满足樱桃可溶性固形物含量的无损快速检测需求。     

近红外光谱技术结合波段筛选用于白酒基酒总酯定量分析

采用近红外光谱（NIRS）分析技术对白酒基酒中的总酯含量进行定量分析,通过偏最小二乘法（PLS）法建立分析模型,同时后向间隔偏最小二乘法（BiPLS）对整个谱区进行光谱特征波段筛选。用决定系数（R2）、校正均方根误差（RMSEC）以及预测均方根误差（RMSEP）对模型进行评价。结果表明：特征波段筛选能够对基酒总酯模型起到显著的优化作用,模型的决定系数R2从0.484提升至0.937,RMSEC及RMSEP值分别从0.490、0.476降低至0.172和0.177,在减少模型复杂程度的同时,有效地提高了模型的稳定性与准确度,经过基酒盲样验证,说明波段优化所建立的模型有较为准确的预测结果。     

基于FT-NIR的葡萄酒发酵过程中挥发酸的定量分析

利用近红外光谱技术对葡萄酒发酵过程中挥发酸含量进行定量分析,通过偏最小二乘法建立葡萄酒发酵过程中挥发酸定量分析模型,同时采用间隔偏最小二乘法（iPLS）、后向间隔偏最小二乘法（BiPLS）、组合间隔偏最小二乘法（SiPLS）、竞争性自适应重加权算法（CARS）对整个谱区进行光谱特征变量筛选。以决定系数（R2）、校正标准偏差（RMSEC）、预测标准偏差（RMSEP）、相对分析误差（RPD）以及最佳主因子数为模型质量的评价指标。结果表明：进行变量筛选可对模型起到优化作用,提高识别精度,降低模型解析难度。其中CARS对模型的优化效果最佳,优化模型的决定系数R2达到0.868,RMSEC为0.033,RMSEP为0.032,RPD为5.31,有效简化了模型复杂程度,提高了模型稳定性和预测能力。     

番茄总糖含量的近红外光谱无损检测方法研究

根据偏最小二乘法建立番茄总糖含量的定量分析模型,比较原始光谱和平均光谱以及10 种光谱预处理方法对近红外光谱无损检测番茄总糖含量的影响。结果表明：平均光谱所建立的偏最小二乘法校正模型明显优于原始光谱所建模型,常数偏移消除最适合番茄总糖近红外光谱的预处理,其在11998.9～7497.9cm-1 和4601.3～4256.5cm-1优化光谱区内,所建偏最小二乘法定量分析模型的预测值和实测值的相关系数(R)为0.917,校正标准差(RMSEC)为0.263%,预测标准差(RMSEP)为0.236%。平均光谱和优化的光谱预处理方法可有效提高近红外光谱无损检测番茄总糖含量的准确性。     

基于近红外光谱检测腐乳盐坯中盐分含量的研究

分别在短波、长波近红外2个区域，以透射、反射2种方式探讨了利用近红外光谱检测腐乳盐坯中盐分含量的理论依据，试验表明，光谱吸光度随盐溶液浓度的增加逐渐降低，谱峰向短波方向漂移；在用偏最小二乘法（PLS）建模过程中，重点讨论了异常值剔除，光谱预处理，波段优化选择等。尝试了在900nm-1300nm、1650nm～1850nm、2150nm～2240nm3段光谱范围内建模，所得建模相关系数R（0．994）、建模标准差RMSEC（0．391％）、预测标准差RMSEP（0．416％）、预测集平均相对标准偏差RSD（2．27％）均好于连续全谱（833nm-2500nm）范围的指标。另外，还得出了积分球与光纤漫反射光谱对盐分检测结果无显著性差异（p=0．01）的结论。     

Prediction of titratable acidity, malic acid, and citric acid in bayberry fruit by near-infrared spectroscopy

An experiment was conducted to simultaneously measure titratable acidity, malic acid, and citric acid of bayberry fruit in a nondestructive manner using near-infrared (NIR) transmittance spectroscopy and chemometrics. The sampling set included different cultivars that were obtainable from different areas in China. Calibration models using partial least squares (PLS) regression were developed based on GB 12293-90 of China and with high-performance liquid chromatography (HPLC) as reference methods. Different preprocessing methods and different wave bands were applied. The correlation coefficient of calibration (r_c), root-mean-square error of calibration (RMSEC), and root-mean-square error of prediction (RMSEP) of the best model for titratable acidity was 0.8959, 2.24, and 2.89 g/L, respectively, with the range of 10,000-5405 cm⁻¹. R_c, RMSEC, and RMSEP values for malic acid and citric acid were 0.6689, 0.32, 0.47 and 0.8970, 1.51, 2.12 g/L, respectively. The prediction accuracies could not be improved by using first and second derivative pretreatment methods. Due to the short time consumption and low monitoring cost, NIR spectroscopic technique has its potential for the rapid and nondestructive prediction of titratable acidity and citric acid in bayberry fruit in a temperature-controlled room, although the accuracy was not high.     

近红外光谱在虫草菌丝体腺苷和多糖含量检测中的应用

目的 利用近红外光谱技术建立蝙蝠拟青霉菌丝体中腺苷和多糖含量的定量分析模型。方法 采用常规方法对蝙蝠蛾拟青霉菌丝体中腺苷和多糖含量进行测定, 利用近红外光谱技术建立测定菌丝体中腺苷和多糖含量的相关模型, 并通过蒙特卡罗偏最小二乘法(Monte Carlo Partial Least Square, MCPLS)和可移动窗口偏最小二乘法(Moving Window Partial Least Square, MWPLS)对模型进行优化。结果 该模型校正集预测值和真实值间的相关系数(Rc)分别为0.9400和0.8781, 预测均方根误差(Root Mean Square Error of Prediction Set, RMSEP)分别为0.5949和1.6617, 校正均方根误差(Root Mean Square Error of Calibration Set, RMSEC)分别为0.5844和1.5572。结论 该模型的稳健性、拟合度和预测能力均能达到令人满意的程度, 该方法可以推广应用到其他发酵产品的检测。     

基于光谱预处理结合遗传算法优化波长的面粉水分快速检测

基于光谱预处理及遗传算法(genetic algorithm,GA)法优化波长,再结合偏最小二乘(partial least squares,PLS)法建立面粉中水分的定量分析模型,对比在不同预处理方法下相关系数R~2、校正标准差(root mean square error of calibration,RMSEC)、预测标准偏差(root mean square error of prediction,RMSEP)3个指标,随机选择130份样本建立预处理+GA+PLS定量分析模型,实验结果为R~2从0.955 2提高到0.977 7、RMSEC从0.375 8降低到0.245 3、RMSEP从0.268降低到0.264。结果表明基于光谱预处理结合GA优化波长来定量分析面粉中水分含量是可行的,且准确性和误差度皆优于无优化模型。     

可见-近红外高光谱成像技术对灵武长枣VC含量的无损检测方法

为探究基于高光谱成像技术预测灵武长枣VC含量的可行性并寻找最佳预测模型。采集100?个长枣样本在波长400～1?000?nm处的高光谱图像,对光谱数据进行预处理;应用遗传算法（genetic algorithm,GA）、连续投影算法（successive projection algorithm,SPA）和竞争性正自适应加权（competitive adaptive reweighted sampling,CARS）算法对原始光谱数据提取特征波长;分别建立基于全光谱和特征波长的偏最小二乘（partial least squares regression,PLS）和最小二乘支持向量机（least squares support vector machine,LSSVM）VC含量预测模型。结果表明,采用标准正态变换预处理算法效果最优,其PLS模型的交叉验证相关系数为0.839?5,交叉验证均方根误差为16.248?2;利用GA、SPA和CARS从全光谱的125?个波长中分别选取出12、5?个和26?个特征波长;基于CARS建立的PLS模型效果最优,其Rc、Rp、校正均方根误差、预测均方根误差分别为0.896?2、0.889?2、10.746?2%、12.145?3%。研究结果表明基于高光谱成像技术对灵武长枣VC含量的无损检测是可行的。