学位论文 > 优秀研究生学位论文题录展示
不同香型、产地、等级白酒数字化分类方法学研究
作 者: 程平言
导 师: 范文来
学 校: 江南大学
专 业: 发酵工程
关键词: 顶空固相微萃取质谱技术 白酒原产地判别 白酒等级判别 反向传播神经网络 支持向量机
分类号: TS262.3
类 型: 硕士论文
年 份: 2013年
下 载: 57次
引 用: 0次
阅 读: 论文下载
内容摘要
白酒的独特风味不同于其他蒸馏酒,由于地理环境、原料和酿造工艺设备的不同,形成了各具风味特色的香型白酒。本文运用顶空固相微萃取质谱(HS SPME MS)技术与化学计量学相结合的方法,实现不同香型、产地和等级白酒的数字化分类。主要研究内容如下:(1)运用HS SPME MS技术获取不同产地白酒的离子丰度值,结合偏最小二乘判别分析(PLS DA)、逐步线性判别分析(SLDA)和反向传播(BP)神经网络建立白酒原产地判别模型,其预测准确率为84.4%。其中PLS DA与SLDA分析选出36个重要离子作BP网络的输入层,不同酒样的原产地作输出层,网络的最优参数组合为:传递函数tansig、训练函数trainbfg、隐藏层神经元数5。运用偏最小二乘回归分析(PLS)、主成分回归分析(PCR)和支持向量机(SVM)建立产地判别模型,与BP网络相互验证,以保证预测结果的准确性。根据PLS与PCR回归系数分别选择17和16个重要离子,其中PCR回归系数法选择的重要离子所建SVM模型的最优核参数σ=1.414和惩罚因子c=32,预测准确率达87.5%。(2)收集不同香型(浓香和酱香)习酒的离子丰度值,结合PLS回归分析、BP神经网络和SVM建立香型判别模型,BP网络与SVM模型的预测准确率均为100%。其中PLS回归系数法选出7个重要离子作输入层,设定最优参数组合:tansig、trainlm、神经元数3,构建BP网络香型判别模型。同时用选出的重要离子构建SVM模型,与BP网络相互验证,设定最优参数σ=1,c=1.414。(3)获取浓香型洋河蓝色经典系列三类不同等级酒的离子丰度值,结合PLS DA、SLDA和BP网络建立浓香型白酒等级判别模型,预测准确率达100%。其中PLS DA与SLDA分析选出14个重要离子作输入层,酒样的不同等级作输出层,网络的最优参数组合为:tansig、trainbfg、神经元数4。运用PLS、PCR分析和SVM建立等级判别模型,与BP网络相互验证。根据PLS与PCR回归系数均选择13个重要离子,其中PLS回归系数法构建的SVM模型优于PCR回归系数法,此模型的最优参数σ=32,c=5.66,预测准确率达96.3%。(4)获取清香型牛栏山二锅头三类不同等级白酒的离子丰度值,结合PLS DA、SLDA和BP网络建立清香型白酒等级判别模型,预测准确率达93.3%。其中PLS DA与SLDA分析选出8个离子作输入层,网络的最优参数组合为:tansig、trainlm、神经元数2。运用PLS、PCR分析和SVM建立清香型等级判别模型,与BP网络相互验证。根据PLS和PCR回归系数分别选择12和10个离子,其中PCR回归系数法所建SVM模型优于PLS回归系数法,此模型的最优参数σ=11.314,c=2,预测准确率达86.7%。
|
全文目录
摘要 3-4 Abstract 4-8 第一章 绪论 8-15 1.1 立体背景和意义 8-9 1.2 国内外研究进展 9-13 1.2.1 白酒香型、产地、等级研究进展 9-10 1.2.2 检测技术在饮料酒中的应用 10-12 1.2.3 化学计量学在饮料酒中的应用 12-13 1.3 课题研究的主要目标和内容 13-15 第二章 材料与方法 15-23 2.1 实验材料 15-16 2.1.1 白酒样品 15-16 2.1.2 主要试剂与仪器 16 2.2 实验方法 16 2.2.1 样品准备 16 2.2.2 HS SPME 条件 16 2.2.3 质谱条件 16 2.3 化学计量学方法 16-23 2.3.1 偏最小二乘回归分析 16-18 2.3.2 主成分回归分析 18-19 2.3.3 偏最小二乘判别分析 19 2.3.4 逐步线性判别分析 19-20 2.3.5 BP 神经网络 20-21 2.3.6 支持向量机 21-23 第三章 结果与讨论 23-54 3.1 白酒原产地判别模型 23-33 3.1.1 不同产地白酒质谱图 23-24 3.1.2 特征离子变量选择 24-27 3.1.3 BP 神经网络 27-29 3.1.4 回归分析 29-31 3.1.5 SVM 模型 31-33 3.2 白酒香型判别模型 33-37 3.2.1 不同香型习酒质谱图 33-34 3.2.2 PLS 回归分析 34-35 3.2.3 BP 神经网络 35-36 3.2.4 SVM 模型 36-37 3.3 白酒等级判别模型 37-54 3.3.1 浓香型白酒等级判别 37-45 3.3.2 清香型白酒等级判别 45-54 主要结论与展望 54-56 主要结论 54-55 展望 55-56 致谢 56-57 参考文献 57-62 附录:作者在攻读硕士学位期间发表的论文 62
|
相似论文
- 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 音乐结构自动分析研究,TN912.3
- 基于三维重建的焊点质量分类方法研究,TP391.41
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 基于SVM的中医舌色苔色分类方法研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 基于支持向量机的故障诊断方法研究,TP18
- 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
- 基于监督流形学习算法的固有不规则蛋白质结构预测研究,Q51
- 基于车载3D加速传感器的路况监测研究,TP274
- 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
- 不匹配信道下耳语音说话人识别研究,TN912.34
- 基于文本挖掘的学者简历自动生成,TP391.1
- 基于特征选择的入侵检测研究,TP393.08
- 基于SVM的跨膜蛋白结构预测应用研究,Q51
- LS-SVM算法预测煤层瓦斯涌出量技术研究及应用,TD712.5
- 基于支持向量机的故障诊断研究,TH165.3
中图分类: > 工业技术 > 轻工业、手工业 > 食品工业 > 酿造工业 > 各种酒及其制造 > 白酒
© 2012 www.xueweilunwen.com
|