作者:杨春兰,薛大为,鲍俊宏 单位:浙江省农业科学院;浙江省农学会 出版:《浙江农业学报》2016年第04期 页数:6页  (PDF与DOC格式可能不同) PDF编号:PDFZJNB2016040210 DOC编号:DOCZJNB2016040219 下载格式:PDF + Word/doc 文字可复制、可编辑
  • 利用电子鼻对6个贮藏时间5个等级的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(PCA-BPNN)。结果表明:PCA-BPNN对于贮藏0 d的茶叶,最大预测误差为11 d,5个(6.67%)样本预测误差超过13 d;对于贮藏60 d的茶叶,最大预测误差为13d,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。该研究所建立的PCA-BPNN预测模型可用于检测黄山毛峰茶贮藏时间,且与以原始特征变量作为输入的BPNN模型相比,性能更好。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。