基于近红外透射光谱及神经网络的大豆油质量分析（行业资料）.docVIP

基于近红外透射光谱及神经网络的大豆油质量分析（行业资料） 文档信息 ： 文档作为关于“行业资料”中“自然科学资料”的参考范文，为解决如何写好实用应用文、正确编写文案格式、内容素材摘取等相关工作提供支持。正文6956字，doc格式，可编辑。质优实惠，欢迎下载！ 目录 TOC \o 1-9 \h \z \u 目录 1 正文 1 文1：基于近红外透射光谱及神经网络的大豆油质量分析 1 ３ 结论 7 文2：基于elman神经网络的大跨度桥梁线形控制 7 1.引言 7 2. Elman神经网络预测介绍 8 3.　桥梁结构分析 9 4.　神经网络技术在滹沱河大桥线梁桥施工控制中的应用 9 5.结　论 10 6..参考文献 11 参考文摘引言： 11 原创性声明（模板） 12 文章致谢（模板） 12 正文 基于近红外透射光谱及神经网络的大豆油质量分析（行业资料） 文1：基于近红外透射光谱及神经网络的大豆油质量分析 DOI：/-.045 Ｑｕａｌｉｔｙ Ａｎａｌｙｓｉｓ ｏｆ Ｓｏｙｂｅａｎ Ｏｉｌ bａｓｅｄ ｏｎ Ｎｅａｒ Ｉｎｆｒａｒｅｄ Ｔｒａｎｓｍｉｓｓｉｏｎ Ｓｐｅｃｔｒａ ａｎｄ Ａｒｔｉｆｉｃｉａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ Ｍｏｄｅｌ ＣＡＩ Ｌｉ－ｊｉｎｇ１，ＣＡＩ Ｌｉ－ｊｕａｎ２，ＬＩ Ｗｅｎ－ｙｏｎｇ３，ＺＨＡＯ Ｘｉａｏ－ｙｕ１，ＳＨＡＮＧ Ｔｉｎｇ－ｙｉ１ （１． Ｈｅｉｌｏｎｇｊｉａｎｇ Ｂａｙｉ Ａｇｒｉｃｕｌｔｕｒａｌ Ｕｎｉｖｅｒｓｉｔｙ，Ｄａｑｉｎｇ １６３３１９，Ｈｅｉｌｏｎｇｊｉａｎｇ，Ｃｈｉｎａ；２． Ｃｈａｎｇｃｈｕｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅｓ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，Ｃｈａｎｇｃｈｕｎ １３００２２，Ｃｈｉｎａ；３． Ｔｈｅ Ｆｉｓｔ Oｉｌ Ｐｒｏｄｕｃｔｉｏｎ Ｃｏｍｐａｎｙ， Ｄａｑｉｎｇ ｏｉｌｆｉｅｌｄ，Ｄａｑｉｎｇ １６３１６２，Ｈｅｉｌｏｎｇｊｉａｎｇ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ： Ａ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ ｎｅａｒ ｉｎｆｒａｒｅｄ ｔｒａｎｓｍｉｓｓｉｏｎ ｓｐｅｃｔｒａ ａｎｄ ｇｒａｄｉｅｎｔ ｄｅｓｃｅｎｔ ＢＰ ａｌｇｏｒｉｔｈｍ ｗａｓ ｕｓｅｄ ｔｏ analyzed ｔｈｅ ｑｕａｌｉｔｙ ｏｆ ｓｏｙｂｅａｎ ｏｉｌ． Ｔｈｅ ｒａｎｇｅ ｏｆ １０ ０００ ｔｏ ４ ０００ ｃｍ－１ ｓｐｅｃｔｒａｌ ｗａｓ ａｃｑｕｉｒｅｄ， ｔｈｅｎ ｔｈｅ ｎｅａｒ ｉｎｆｒａｒｅｄ ｓｐｅｃｔｒｕｍ ｄａｔａ was ｉｎｐｕｔ ｔｏ ＢＰ ｎｅｔｗｏｒｋ． Ｅｉｇｈｔ ｖａｒｉａｂｌｅ ｉｎｄｅｘｅｓ ｗｅｒｅ obtained with ｐｒｉｎｃｉｐａｌ ｃｏｍｐｏｎｅｎｔ ａｎａｌｙｓｉｓ． Ｔｈｅ ｃｕｍｕｌａｔｉｖｅ ｃｏｎｔｒｉｂｕｔｉｏｎ ｒａｔｅ ｏｆ ｔｈｅ ８ ｖａｒｉａｂｌｅ ｉｎｄｅｘｅｓ was ｍｏｒｅ ｔｈａｎ ９９．９％． Ｕｓｉｎｇ ｔｈｅ ８ ｉｎｄｅｘ ａｓ ｉｎｐｕｔ ｖｅｃｔｏｒｓ ｏｆ ＢＰ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ ｍｏｄｅｌ， ｉｔ ｃａｎ ｄｉｓｃｒｉｍｉｎａｔｅ ｔｈｅ ｑｕａｌｉｔｙ ｏｆ ｓａｍｐｌｅｓ with ｔｈｅ ａｃｃｕｒａｃｙ of １００％ Ｋｅｙ ｗｏｒｄｓ：ｎｅａｒ ｉｎｆｒａｒｅｄ ｔｒａｎｓｍｉｓｓｉｏｎ ｓｐｅｃｔｒｏｓｃｏｐｙ；ＢＰ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ；ｓｏｙｂｅａｎ ｏｉｌ ｑｕａｌｉｔｙ ａｎａｌｙｓｉｓ 收稿日期：２０１４－０３－２０ 基金项目：黑龙江省教育厅科学技术研究项目（ 作者简介：蔡立晶（１９７７－），女，吉林前郭人，讲师，硕士，主要从事电磁场微波技术及光电检测技术的教学与研究工作，（电话）（电子信箱）ｔｈｒｅｅｍｉｎｉｍｏｏｎｓ＠１２６．ｃｏｍ。 近红外光谱技术具有快速、高效、无污染、无需前处理、无损分析及多组分同时测定等优点，在快速检测领域有较大的潜力和发展空间。近红外光谱分析技术用于食用油品质分析检测目前也有一些研究报道，主要用于油脂的品质检测［１］。西方国家最早利用近红外技术进行油脂品质分析。近红外技术结合判别分析方法等，在橄榄油［２，３］、坚果油［４］及其他植物油［５］的检测中已得到成功应用。刘福莉等［６］以８种食用油纯油的４３个样品为对象，研究了近红外透射光谱结合聚类分析法快速鉴别食用油种类的可行性，判别模型对预测集样品的准确率达到１００％。范璐等［７］利用气相色谱和傅里叶变换红外吸收光谱，对２１种花生油、２０种棕榈油及两者的４种调和油进行分析，对花生油和棕榈油做了识别分析。近红外光谱技术在掺伪检测中有着很多的应用［８