BP网络和多元回归在葡萄酒质量模型中的应用.pdfVIP

ComputerEngineeringandApplications计算机工程与应用 2014，50(15) 267 BP网络和多元回归在葡萄酒质量模型中的应用 孙文兵 ，曾祥燕 ，杨立君 SUNWenbing，ZENGXiangyan，YANGLijun 1．邵阳学院 理学与信息科学系 ，湖南 邵阳 422004 2．邵阳学院 生物与化学工程系 ，湖南 邵阳 422200 1．Depa~mentofMathematicsandInformationScience，ShaoyangUniversity,Shaoyang，Hunan422004，China 2．DepartmentofBiologyandChemicalEngineering，ShaoyangUniversity,Shaoyang，Hunan422200，China SUNWenbing，ZENGXiangyan，YANGLijun．ApplicationofBPnetworkandmultipleregressioninwinequality mode1．ComputerEngineeringandApplications，2014，50(15)：267-270． Abstract：InordertodeterminetheindependentvariablesofmultiplelinearregressionandtheinputlayerneuronsofBP network，factoranalysisisusedtoselectoutthe12physicalandchemicalindicatorswithmuchimpactonqualityofwine astheirindependentvariablesandinputlayerneurons，respectively．Twomodelsareestablishedbyusingmultiplelinear regressionandimprovedBPneuralnetwork，respectively,whichshow therelationshipsbetweenthephysical—chemicalindi- catorsandthequalityofwine．Thecomparisonofgeneralizationperfomr anceforthebothmodels，drawsthataveragerela— tiveerrorofmultiplelinearregressionmodelofrthepredictionofnew samplesis1．93％ ，whiletheaveragerelativeerror oftheBPneuralnetworkmodelis0．37％．Thesimulationsshow thatthegeneralizationcapabilityandstabilityoftheBP neuralnetworkarebetterthanthoseofthemultipleregressionmode1． Keywords：factoranalysis；multiplelinearregression；BackPropagation(BP)neuralnewtork；physicalandchemicalindi- cator；generalizationperfomr ance 摘 要：利用因子分析法筛选出对葡萄酒质量影响较大的12种理化指标，将其作为多元线性回归的自变量和BP网络 输入层神经元，分别用多元线性回归和改进的BP神经网络两种方法建立葡萄酒和酿酒葡萄的主要理化指标与葡萄酒 质量的关系模型。比较 了两种模型的泛化能力，得出多元线性回归模型对新样本预测的平均相对误差是 1．93％，而BP 神经网络模型的平均相对误差是0．37％。仿真实验表明，BP神经网络的泛化能力和稳定性明显优于多元回归模型。 关键词：因子分析法；多元线性回归；反向传播 (BP)神经网络；理化指标；泛化能力 文献标志码：A 中图分类号：TPI83；0242．I doi：10．3778j／．issn．1002—833I．I210-0027 1 引言 化指标与品酒师对葡萄酒评分的关系，便可以更加直观 随着经济的发展和市场的需求 ，人们对葡萄酒的质 准确地了解葡萄酒的质量。 量要求越来越高，然而 目前葡萄酒质