人工神经网络方法在红曲杨梅果酒发酵工艺优化中应用.PDFVIP

第 19 卷 第 2 期 农 业 工 程 学 报 V o l. 19　N o. 2 140 2003 年 3 月 T ransactions of the CSA E M ar. 　2003 人工神经网络方法在红曲杨梅果酒发酵工艺优化中的应用 蒋益虹, 冯　雷 (浙江大学) 摘　要: 将人工神经网络技术与传统正交试验方法相结合, 提出一种新的试验数据分析和处理方法, 利用神经网络特有的 自学习能力, 可以充分挖掘正交试验数据信息, 并通过仿真、评估和优化, 获得了红曲杨梅果酒发酵的最佳工艺: 发酵温度 18℃、糖汁比4 ∶6、酵母加量 15%、红曲加量2. 1% 。将该优化工艺应用于实际生产中, 取得了较好的效果。 关键词: 发酵工艺; 神经网络; 正交试验; 果酒 中图分类号: T P 183; TQ 920. 6　　　　文献标识码: A 　　　　文章编号:(2003) 征; 高度灵活可变的拓扑结构, 具有很强的适应能力; 高 1　引　言 度冗余的组织方式, 具有很好的坚韧性; 高度的非线性 ( ) 杨梅 M y r ica R ubra S eib. et Z ucc 属杨梅科 运算, 具有自学习、自组织的潜力; 高度的集体协同计 ( ) ( ) 算, 模拟处理与数字处理并存。 M y r icaceae 杨梅属 M y r ica , 是我国的特产常绿果 树, 国外仅日本有少量栽培。杨梅不仅色泽艳丽, 风味别 正是因为具有上述特点, 人工神经网络得到了广大 致, 而且营养丰富, 并具有很好的保健功能, 历来倍受人 学者的高度重视, 在上述特点中, 具有全息的联想学习 们的喜爱。目前, 我国杨梅的栽培面积和产量较大, 并呈 能力及很强的容错能力, 尤其得到科学研究者的重视。 现出较快的发展势头。然而杨梅是一种易腐果实, 且成 因为, 对于大量的实际预测问题, 数据的采集是不精确 熟于高温多雨季节, 每年因腐烂变质造成的损失较大。 的, 甚至可能是错误的, 而且只有当预测模型参数的选 因此, 根据杨梅果实取汁容易, 出汁率高, 适宜于酿制果 取随着预测环境的不同而改变, 才会得出较好的结果。 酒的特点, 研制开发品质上乘的杨梅果酒, 可以充分利 这些问题对于传统的评价方法都是难以解决的。 用我国丰富的杨梅资源, 提高杨梅产地的经济效益。同 2　人工神经网络模型及其算法 时, 还可以满足国内日益发展的果酒市场的需要, 并可 能因其独特的风格打入国际市场, 发展国际贸易, 前景 下面就模拟领域应用最为广泛的神经网络模型 ( ) [ 1～ 3 ] 十分广阔。 ——前向网络 也称BP 网络 , 讨论其结构和功能 (