基于时延神经网络的酒醅温度时序预测

摘要

为精准预测白酒发酵过程中酒醅温度,掌握不同阶段酒醅温度的变化规律,针对酒醅温度时序数据的非线性特点及相邻温度变化具有较强关联关系,论文建立3层时延神经网络酒醅温度时序多步预测模型,用以实现对酒醅温度的时序预测.首先采用Gaussian函数将数据进行预处理,降低野值对后续预测的影响,然后利用试验法确定预测模型的隐含层节点个数.试验表明:隐含层使用10个节点,采用L-M(Levenberg-Marquardt)训练算法的预测模型效果满足精度要求,MSE(均方误差)仅为0.00605,因此利用基于时延神经网络的酒醅温度时序预测模型,可为掌握酒醅温度变化趋势提出一种解决方案.