科研之友
微信
新浪微博
Facebook
分享链接
摘要
构建基于粒子群优化（particle swarm optimization,PSO）算法的反向传播人工神经网络（back propagation artificial neural network,BP-ANN）预测模型,对熏肠中4种多环芳烃（polycyclic aromatic hydrocarbons,PAHs）(苯并（a）芘、苯并（a）蒽、苯并（b）荧蒽、件)含量进行预测。以烟熏温度、烟熏时间、肥瘦比和熏肠色泽（红绿值和黄蓝值）作为BP-ANN模型的输入层参数,熏肠的4种PAHs含量作为输出层参数,通过PSO-BP-ANN模型来优化初始权重和阈值,以获得最佳参数。结果表明:构建的PSO-BP-ANN熏肠PAHs含量预测模型均方误差为0.018,模型的训练、验证、测试和全局数据集的相关系数（R2）分别为0.951、0.929、0.933和0.940,均优于BP-ANN模型,使用PSO-BP-ANN模型具有更好的准确性和鲁棒性。
- 单位
