当前位置:主页 > 科技论文 > 自动化论文 >

鲜食玉米速冻时间预测模型的建立及优化研究

发布时间:2017-12-06 15:17

  本文关键词:鲜食玉米速冻时间预测模型的建立及优化研究


  更多相关文章: 玉米速冻 数学建模 神经网络


【摘要】:速冻技术能在尽可能短的时间内将玉米温度降低到冻结点以下,最大程度地保留玉米原有的天然品质。在玉米速冻过程中,速冻时间是决定玉米速冻质量的关键因素之一。建立合理而有效的速冻时间预测模型成为保证玉米速冻质量问题的有效方法。目前,国内外关于速冻时间预测模型的研究多是基于经验或者数值方法,这些方法不是预测过于粗糙就是计算过于复杂,并不适用于企业参考。本文选取鲜食玉米为研究对象,以速冻时间为研究点,开展鲜食玉米速冻时间预测方法的分析和研究。主要包含以下内容:论文首先介绍了基于传统数值分析方法的玉米速冻时间预测模型。该模型是将玉米抽象成为一个具有同轴双层圆柱特征的物品,通过分层求解一维非稳态导热方程,得到玉米速冻时间。该方法计算过于复杂。其次,论文介绍了人工神经网络的理论知识,并在此基础上建立了基于BP神经网络的鲜食玉米速冻时间预测模型,该模型选取200组数据作为训练集,20组数据作为测试集,包括4个输入因子及1个输出因子。结果表明,运用基于BP神经网络的预测模型对鲜食玉米速冻时间进行预测合理。再次,论文尝试运用遗传算法对BP神经网络模型进行优化,误差减小。最后,论文学习并建立了基于径向基函数神经网络(RBF)的鲜食玉米速冻时间预测模型。RBF网络模型较BP神经网络模型及优化的BP神经网络模型效果更优。这表明本文建立的基于RBF的鲜食玉米速冻时间预测模型合理可行。本文数据由吉林天景食品有限公司所提供,运用MATLAB工具箱进行模型求解。结果表明,基于BP神经网络的预测模型较基于传统数值方法的模型计算简便,结果更准,但同时需要大量的数据支撑。遗传算法优化的网络模型误差减小幅度不大,却极大缩短了网络训练时间。同以上模型相比,RBF神经网络模型预测时间具有更好的适用性和准确性。本文研究内容可以为企业玉米速冻提供一定的参考价值。
【学位授予单位】:吉林农业大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:TS213.4;TP183

【相似文献】

中国期刊全文数据库 前10条

1 雷明,李作清,陈志祥,吴雅,杨叔子;神经网络在预报控制中的应用[J];机床;1993年11期

2 杨自厚;神经网络技术及其在钢铁工业中的应用第8讲人工神经网络在钢铁工业中的应用(下)[J];冶金自动化;1997年05期

3 李润生,李延辉,胡学军,刘壮,王守俭;神经网络在冶金中的应用[J];钢铁研究;1998年02期

4 刘海玲,刘树深,尹情胜,夏之宁,易忠胜;线性神经网络及在多组分分析中的初步应用[J];计算机与应用化学;2000年Z1期

5 王继宗,王西娟;用神经网络确定梁上裂纹位置的研究[J];煤炭学报;2000年S1期

6 赵学庆,袁景淇,周又玲,贺松;生物发酵过程神经网络状态预报器的验证[J];无锡轻工大学学报;2000年06期

7 李智,姚驻斌,张望兴,贺超武;基于神经网络的混匀配料优化方法[J];钢铁研究;2000年04期

8 胡敏艺,马荣骏;神经网络在冶金工业中的应用[J];湖南有色金属;2000年05期

9 倪建军,邵琳;利用神经网络进行观测数据的分析与处理[J];连云港化工高等专科学校学报;2000年04期

10 裴浩东,苏宏业,褚健;材料工程中基于神经网络的稳态优化策略[J];材料科学与工程;2001年02期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集(上册)[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系 邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”:打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者  张献怀;干细胞移植:修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年

2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年

3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年

4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年

5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年

6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年

7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年

8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年



本文编号:1259042

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/1259042.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户877b9***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com