工业化酿造发酵过程中的非线性模型

本文主要研究了发酵过程中的非线性模型。由商业数据库得到的柏拉图糖度下降值随时间的变化趋势可以得出一个 S 形逻辑函数,方程中的四个发酵参数,即原终和真浓以及这个曲线的斜率和中点均由最小残差平方法得到。酵母的接种时间对发酵没有影响(P>0.05),起始温度能增加发酵速度(P<0.05),同时能降低达到发酵中点的时间(P<0.001),发酵起始温度正向影响啤酒真浓值(P<0.001)。本论文第一次说明了预测函数的预测区间结构,指出了发酵过程的预测偏差。本论文所用统计技术可以用来做发酵过程多方面的结果分析,例如能够预测当任何一个参数变化时酵母的增值倍数。这些技术可以用来通过统计四个发酵参数(如原浓、真浓、发酵曲线的斜率以及中点)的变化而了解发酵过程的变化(如温度、酵母和原浓),同时还可以用来评估不同的发酵过程,比如用一个新菌种发酵或用更高浓度的麦汁发酵。