食品比热容的支持向量回归预测-论文.pdf

《食品比热容的支持向量回归预测-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第35卷第5期、，0l-35No．5井冈山大学学报(自然科学版)2014年9月Sep．2014JournalofJinggangshanUniversity(NaturalScience)29文章编号：1674—8085(2014)05—0029—04食品比热容的支持向量回归预测’温玉锋，陈志铨，汤鹏杰，赖章丽(井冈山大学数理学院，江西，吉安343009)摘要：利用粒子群优化算法和支持向量回归方法建立不同食品的比热容与其水、蛋白质、碳水化合物和脂肪等含量间的预测模型，且在相同的训练样本和测试样本条件下，该预测模型的食品比热容预测精度高于反向传播神经网络

2、模型，具有更强的泛化能力。结果表明：该预测模型能有效地预测食品比热容。关键词：食品；比热容；支持向量回归：粒子群算法；预测中图分类号：TP18；O551．3文献标识码：ADOI：10．3969~．issn．1674—8085．2014．05．007SUPPoRTVECToRREGRESSIONPREDICTIoNoFTHESPECIFICHEATCAPACITYoFFooD‘WENYu-feng，CHENZhi-quail,TANGPeng~ie，LAIZhang-li(SchoolofMathematicsandPhysits,Jinggangs11

3、anUniversity,Ji’an,Jiangxi343009，China)Abstract：Thedependencemodelofspecificheatcapacityonthecontentsofwater,protein,carboh)drateandfatfordiferentfoodswasestablishedusingtheparticleswarlTloptimizationalgorithmandsupportvectorregressionapproach．Furthermore，thepredictionprecisiono

4、fthedependencemodelishigherthanthatofbackpropagationneuralnetworkforthesametrainingandtestsamples．Itsgeneralizationabilityisalsostrongerthanthatofbackpropagationneuralnetwork．Theexperimentandanalysisshowsthatthedependencemodelcanbeusedtoefectivelyestimatingthespecificheatcapacit

5、yoffood．Keywords：food；specificheatcapacity；supportvectorregression；particleswarmoptimization；prediction来，人们在食品比热容实测数据集的基础上建立了0引言一些的预测模型。例如关志强和蒋小强通过对食品热焓一温度数据的拟合公式求导的方法给出了一在食品的加工、流通、保鲜等环节中，食品的个比热容经验公式【2】。张雷杰等人引入反向传播神比热容起着不可忽视的作用，且随着食品化学成分经网络(Backpropagationneuralnetwork，BPNN)建的不同

6、，食品的比热容也改变。在食品的诸多化学立了食品比热容关于水、蛋白质、碳水化合物及脂成分中，水、蛋白质、碳水化合物和脂肪的含量是肪含量的预测模型【3】。这些模型对食品比热容的预影响比热容的主要因”。因此，通过建立这些因测结果存在较大的误差，而且泛化能力不够强。因素与比热容之间的回归模型来预测食品比热容，为此，有必要探寻具有更高预测精度、更强泛化能力准确估算食品比热容具有重要的指导意义。长期以收稿日期：2014-04-09；修改日期：2014-05-29基金项目：国家自然科学基金项目(11347210)作者简介：·温玉锋(1977-)，男，江西吉安人，讲师

7、，博士，主要从事材料计算机模拟与设计(E．mail：wyf19770314@163．corn)；陈志铨(1983一)。男，江西抚州人，讲师，博士，主要从事光学研究(E·mail：1745894332@qq．corn)；汤鹏杰(1982一)，男，河南周口人，实验师，硕士，主要从事信息技术研究-mail：190098251@qq．tom)；赖章丽(1988-)，男，江西吉安人，实验师，硕士，主要从事光电子器件研究(E-mail：1460412346@qq．com)．30井冈山大学学报(自然科学版)的食品比热容预测方法。近年来，支持向量回归方样本目标量的实测

8、值和预测值。法已被成功地预测各种材料的物性[4们。据此，本文根据文献[3】中具有不同含量的水、