PSO—SVR在果酒生物活性物质预测中的应用.pdfVIP

第26卷第6期 四川理工学院学报(自然科学版) Vo1．26 No．6 2013年 12月 JournalofSichuanUniversityofScience＆Engineering(NaturalScienceEdition) Dec．2013 文章编号：1673-1549(2013)06-0051-05 DOI：10．3969／j．issn．1673-1549．2013．06．011 PSO—SVR在果酒生物活性物质预测 中的应用 陈国超，成新文 (四川理工学院计算机学院，四川 自贡 643000) 摘 要：针对BP神经网络和遗传算法对果酒生物活性物质预测存在速度慢和精度低的缺点，建立 了基于支持向量回归机(SVR)的果酒生物活性物质预测模型。鉴于支持向量机模型的精度和泛化能力 很大程度取决于不敏感损失系数 、惩罚系数c和RBF核函数的宽度系数 三个参数，模型采用粒子群 算法对三个参数同时进行优化，实现 了果酒生物活性物质的非线性预测。仿真结果表明：基于PSO— SVR算法的果酒生物活性物质预测模型性能优于所比较的BP神经网络模型和支持向量回归机模型，能 有效提高果酒生物活性物质的预测精度和稳定性。 关键词：支持向量机 ；生物活性物质；预测模型 中图分类号 ：TP301 文献标志码 ：A 之后新的研究热点 。 引 言 针对果酒生物活性物质预测的特点，本文以岗稔果 对人类生命活动具有显著调节功能的生理活性成 酒发酵过程正交试验的测量数据为样本 ，将支持向量 分称为生物活性物质。在柑橘、枸杞等植物中富含的生 机方法应用于生物活性物质黄酮苷含量的预测。鉴于 物活性物质有黄酮、多糖等 。其中，枸杞中的黄酮具 支持向量机的精度和泛化能力取决于不敏感损失系数 、 有抗突变、抗菌、抗氧化、抗病毒、抗肿瘤和防治血管硬 惩罚系数C和RBF核函数的宽度系数 三个参数，采用 化、调节免疫、降血糖等功能 。果酒 中生物活性物质 粒子群优化算法对支持向量机的三个重要参数进行优化 的最终含量受酵母添加量、糖添加量、发酵温度及pH值 选择，实现了果酒生物活性物质含量的非线性预测。 等因素影响，建立果酒生物活性物质预测模型，正确预 l 基于支持向量 回归机 的果酒生物活性物 测活性物质的变化趋势，对于提高果酒的营养成份和保 质预测模型 健价值具有重要的指导意义。 影响果酒生物活性物质的因素较多，具有非线性特 1．1 果酒生物活性物质模型 征，采用线性回归法、响应面法等传统方法预测精度不 果酒发酵是一个复杂的生化反应过程 ，影响果酒发 高 。文献[6]采用人工神经网络对沙棘果酒发酵工艺 酵的因素有菌种、温度、酵母接种量、SO：、自由基、pH 进行优化，预测酒精度，但是速度慢，精度较低。文献 值、金属离子等 。采用常用的中温发酵法时，影响黄 [7]用遗传算法优化BP和RBF两种神经网络建立了苹 酮苷含量的主要因素有菌种、温度、酵母接种量和固化 果气味识别的分类预测模型，提高了预测准确率。近年 金属铝离子浓度。 来，支持向量机技术较好地解决了小样本、非线性等实 优 良的菌种是果酒发酵的基础条件，影响发酵速度 际问题，表现出良好的预测性能，成为继神经网络研究 的因素是酵母接种量，而影响菌种的生长以及酒精的产 收稿13期：2013-0916 基金项 目：酿酒生