| 基于BP神经网络的葡萄气体射流冲击干燥含水率预测 |
| |
| 引用本文： | 白竣文,田潇瑜,马海乐.基于BP神经网络的葡萄气体射流冲击干燥含水率预测[J].现代食品科技,2016,32(12):198-203. |
| |
| 作者姓名： | 白竣文 田潇瑜 马海乐 |
| |
| 作者单位： | （江苏大学食品与生物工程学院，江苏镇江 212013）,（江苏大学食品与生物工程学院，江苏镇江 212013）,（江苏大学食品与生物工程学院，江苏镇江 212013） |
| |
| 基金项目： | 国家自然科学基金资助项目(31201436)；江苏大学高级人才科研启动基金（15JDG060）；江苏省博士后科研资助计划（1501068C）；江苏省农产品物理加工重点实验室开放基金（JAPP2014-4） |
| |
| 摘 要： | 为实现葡萄气体射流冲击干燥过程中含水率的预测,本文探究了不同烫漂前处理时间(30、60、90和120 s)和干燥温度(55、60、65和70℃)对葡萄干燥时间和干燥速率的影响,建立了输入层为烫漂时间、干燥温度和干燥时间,隐藏层节点数为7,输出层为葡萄含水率,结构为"3-7-1"的BP神经网络模型。结果表明:烫漂预处理时间和干燥温度均对葡萄干燥速率有影响,增加烫漂时间和提高干燥温度能够有效的缩短葡萄干燥时间,提高干燥效率。采用Levenberg-Marquardt(LM)算法为训练函数,选择tansig-purelin为网络传递函数,经过有限次训练得到的BP神经网络模型,其预测值与实测值之间的决定系数R~2为0.9915,均方根误差RMSE为0.03376,预测快速且准确,为葡萄在干燥过程中的含水率在线预测提供理论依据和技术支持。
|
| 关 键 词： | 气体射流冲击干燥 含水率 烫漂预处理 BP神经网络 模型 |
| 收稿时间： | 2015/12/30 0:00:00 |
BP Neural Network Modeling to Predict Moisture Content of Grapes after Air Impingement Drying |
| |
| BAI Jun-wen,TIAN Xiao-yu and MA Hai-le.BP Neural Network Modeling to Predict Moisture Content of Grapes after Air Impingement Drying[J].Modern Food Science & Technology,2016,32(12):198-203. |
| |
| Authors: | BAI Jun-wen TIAN Xiao-yu and MA Hai-le |
| |
| Affiliation: | (School of Food and Biological Engineering, Jiangsu University, Zhenjiang 212013, China),(School of Food and Biological Engineering, Jiangsu University, Zhenjiang 212013, China) and (School of Food and Biological Engineering, Jiangsu University, Zhenjiang 212013, China) |
| |
| Abstract: | |
| |
| Keywords: | air impingement drying moisture content blanching pretreatment BP neural network modeling |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《现代食品科技》浏览原始摘要信息 |
|
点击此处可从《现代食品科技》下载全文 |
|
