作者:薛大为; 杨春兰; 孔慧芳; 鲍俊宏黄山毛峰茶电子鼻pcabpnn预测模型
摘要:利用电子鼻对6个不同贮藏时间下5个等级黄山毛峰茶进行检测。首先获取反映茶叶香气的原始特征向量,再通过主成分分析法(PCA)提取出前5个主成分作为主特征向量,然后以主特征向量作为BP神经网络(BPNN)的输入,建立黄山毛峰茶贮藏时间预测模型(称为PCA-BPNN)。通过对75个测试样本(每等级15个)实验测试表明:PCA-BPNN对于贮藏0 d的茶叶,最大预测误差为7 d,5个(6.67%)样本预测误差超过10 d;对于贮藏60 d的茶叶,最大预测误差为10 d,4个(5.33%)样本预测误差超过10 d;对于贮藏120 d的茶叶,最大预测误差为16 d,7个(9.33%)样本预测误差超过10 d;对于贮藏180 d的茶叶,最大预测误差为19 d,8个(10.67%)样本预测误差超过10 d;对于贮藏240 d的茶叶,最大预测误差为21 d,8个(10.67%)样本预测误差超过10 d;对于贮藏300 d的茶叶,最大预测误差为14 d,6个(8.00%)样本预测误差超过10 d。验证了PCA-BPNN预测模型用于检测黄山毛峰茶贮藏时间的可行性,同时与以原始特征变量作为输入的BPNN预测模型相比,性能更好。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社