| 基于神经网络的生鲜水产品货架期预测模型的构建及应用 |
| |
| 引用本文： | 崔方超,毛智超,李婷婷,励建荣.基于神经网络的生鲜水产品货架期预测模型的构建及应用[J].中国食品学报,2023,23(11):254-265. |
| |
| 作者姓名： | 崔方超 毛智超 李婷婷 励建荣 |
| |
| 作者单位： | 渤海大学食品科学与工程学院 生鲜农产品贮藏加工及安全控制技术国家地方联合工程研究中心中国轻工业海水鱼加工重点实验室 辽宁锦州 121013;大连民族大学生命科学学院 辽宁大连 116600 |
| |
| 基金项目： | 国家自然科学基金重点项目(U20A2067) |
| |
| 摘 要： | 为建立一种能够同时适用于多种新鲜水产品货架期的预测模型，采用反向传播(BP)神经网络模型、遗传算法(GA)优化的BP神经网络模型(GA-BP)、径向基函数(RBF)神经网络模型、极限学习机(ELM)神经网络模型和支持向量回归机(SVR)模型分别对金枪鱼、三文鱼、大菱鲆和鲷鱼的货架期进行预测，寻找最优的模型预测结果。首先通过试验获得4种水产品在0，4，10 ℃贮藏条件下的感官评分、菌落总数、挥发性盐基氮值、K值、pH值，构建训练样本和测试样本。经相关性分析，选择与水产品货架期相关性较高的感官评分、菌落总数、挥发性盐基氮值、K值作为模型的输入层单元，然后确定各模型的网络拓扑结构以及参数，进行模型的训练，最后使用训练好的5种模型对测试样本的货架期进行预测。结果表明:5种预测模型的预测精度排序为:SVR模型>RBF神经网络模型>GA-BP神经网络模型>ELM神经网络模型>BP神经网络模型，其中BP神经网络模型的预测精度最差，均方误差(MSE)为9.5127×10-4，平均绝对误差(MAE)为0.0197，平均绝对百分比误差(MAPE)为0.0825，R2为0.9766；SVR模型的预测精度最优，预测误差均在12%以内，MSE为2.2971×10-4，MAE为0.0128，MAPE为0.0631，R2为0.9944，能够很好地同时预测4种水产品在不同储藏温度下的货架期。本研究为水产品的品质控制提供一定的理论基础。
|
| 关 键 词： | BP神经网络 GA-BP神经网络 RBF神经网络 ELM神经网络 SVR模型 货架期预测模型 |
| 收稿时间： | 2022/11/18 0:00:00 |
Construction and Application of Fresh Aquatic Product Shelf Life Prediction Model Based on Neural Network |
| |
| Cui Fangchao,Mao Zhichao,Li Tingting,Li Jianrong.Construction and Application of Fresh Aquatic Product Shelf Life Prediction Model Based on Neural Network[J].Journal of Chinese Institute of Food Science and Technology,2023,23(11):254-265. |
| |
| Authors: | Cui Fangchao Mao Zhichao Li Tingting Li Jianrong |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《中国食品学报》浏览原始摘要信息 |
|
点击此处可从《中国食品学报》下载全文 |
