人工神经网络和响应面法优化薏苡仁酒发酵条件

作者：邹立飞; 郑鹏^*

来源：中国酿造, 2021, 40(01): 142-147.

• 人工神经网络
• 响应面法
• 薏苡仁酒
• 发酵条件
• 优化

采用Box-Behnken试验设计对薏苡仁酒的发酵条件进行优化,并对Box-Behnken（BB）试验结果分别进行响应面法（RSM）和人工神经网络（ANN）分析。结果表明,RSM、ANN优化发酵条件分别为薏苡仁∶糯米为1∶2（g∶g）、酵母A1接种量为4.7%、温度为31.7℃、初始p H为3.0;薏苡仁∶糯米为1∶1.9（g∶g）、酵母A1接种量为4.2%、温度为28.1℃、初始p H为3.0,ANN、RSM分别在其最优条件下的实际值和预测值都基本一致。ANN、RSM拟合模型的相关系数（R）、决定系数（R2）、均方误差（MSE）、均方根误差（RMSE）、平均绝对误差（MAE）、平均绝对百分比误差（MAPE）分别为0.994 5、0.988 9、0.011 7、0.108 4、0.072 2、0.486 3%和0.983 6、0.967 5、0.028 9、0.170 1、0.143 7、0.985 7%。ANN具有更高拟合能力和准确性,拟合效果更好,更适合应用于薏苡仁酒发酵条件优化。

• 单位
  兴义民族师范学院; 华南农业大学