基于BP神经网络与SVM的生姜热风干燥含水率预测模型研究

摘要

生姜的热风干燥是对生姜鲜品进行加工贮藏的主要手段之一，利用试验对生姜进行热风干燥特性研究，并对生姜干燥过程中含水率的变化进行了预测，对实际生产具有重大意义。
　　本课题主要研究讨论了两方面内容，首先通过生姜热风干燥单因素试验研究了生姜的热风干燥特性，然后利用BP神经网络和SVM两种方法对生姜干燥过程中含水率的变化进行了预测研究。通过生姜热风干燥特性试验，分析了生姜热风干燥过程中热风温度、热风速度和切片厚度这三个因素对生姜干燥性能的影响。经过正交试验方差分析得出，热风温度、热风速度和切片厚度对生姜热风干燥速率都有一定影响，其中影响程度从大到小依次是切片厚度、热风温度和热风速度。利用BP神经网络建立了生姜干燥过程含水率预测模型，得到该模型的拟合度为0.99981，训练样本的均方误差为0.00013728，得到的测试样本的最大绝对误差为22.58％，平均绝对百分误差为20.23％。利用支持向量机建立了生姜干燥过程含水率预测模型，得到该模型的拟合度为0.99916，训练样本的均方误差为0.00006091，得到的测试样本的最大绝对误差为1.62％，平均绝对百分误差为1.12％。结果表明，利用支持向量机建立的预测模型比BP神经网络预测模型预测误差更小，预测精度更高。

目录

声明

摘要

1 引言

1．1 生姜的应用价值

1．1．1 生姜的食用价值

1．1．2 生姜的药用及保健价值

1．2 国内外研究现状

1．2．1 干制生姜的研究

1．2．2 利用BP神经网络预测研究

1．2．3 利用支持向量机预测研究现状

1．3 选题的目的和意义

1．4 本课题的主要研究内容

2 生姜热风干燥特性试验研究

2．1 研究内容

2．1．1 干燥曲线

2．1．2 干燥速率曲线

2．2 试验材料与装置

2．2．1 试验材料

2．2．2 试验装置

2．3 试验方法

2．3．1 初始含水率及平衡含水率测定方法

2．3．2 生姜热风干燥试验方法

2．4 试验设计方案

2．5 试验结果与分析

2．5．1 热风温度对干燥特性的影响

2．5．2 热风速度对干燥特性的影响

2．5．3 切片厚度对干燥特性的影响

2．6 生姜热风干燥正交试验

3 基于BP神经网络的生姜含水率预测模型建立

3．1 BP神经网络概述

3．1．1 人工神经元模型

3．1．2 BP神经网络的结构

3．2 BP神经网络程序设计流程及开发语言

3．2．1 BP神经网络程序设计流程

3．2．2 BP神经网络程序设计语言

3．3 仿真性能评价指标及数据的预处理

3．3．1 模型相关性检验指标

3．3．2 模型预测精度检验指标

3．3．3 数据的归一化处理

3．4 BP神经网络的构建

3．4．1 输入／输出层节点的选择

3．4．2 传递函数的选择

3．4．3 训练函数的选择

3．4．4 隐含层节点数的选择

3．5 基于印神经网络含水率预测模型的训练和测试

3．5．1 网络模型的训练

3．5．2 网络模型的测试

4 基于支持向量机的生姜含水率预测模型建立

4．1 支持向量机理论基础

4．1．1 SVR基本思想

4．1．2 支持向量机核函数

4．1．3 支持向量机的训练算法

4．2 支持向量机开发语言及程序设计流程

4．2．1 支持向量机程序设计语言

4．2．2 支持向量机程序设计流程

4．3 基于支持向量机含水率预测模型的训练和测试

4．3．1 网络模型的训练

4．3．2 网络模型的测试

4．4 结果比较

5 结论与建议

5．1 结论

5．2 建议

致谢

参考文献

附录

作者简介