《基于电子鼻多传感器融合的茶叶存储时间识别》PDF+DOC
作者:薛大为,杨春兰
单位:湖南农业大学
出版:《湖南农业大学学报(自然科学版)》2019年第02期
页数:7页 (PDF与DOC格式可能不同)
PDF编号:PDFHNND2019020190
DOC编号:DOCHNND2019020199
下载格式:PDF + Word/doc 文字可复制、可编辑
《黄山毛峰茶贮藏时间电子鼻检测方法研究》PDF+DOC2016年第04期 杨春兰,薛大为,鲍俊宏
《PCA-BPNN在黄山毛峰茶贮藏时间检测中的应用》PDF+DOC2016年第03期 杨春兰,薛大为
《基于电子鼻技术的黄山毛峰茶品质检测方法》PDF+DOC2014年第03期 薛大为,杨春兰
《基于电子鼻技术的茶叶贮藏时间检测方法》PDF+DOC2016年第05期 杨春兰,薛大为
《基于电子鼻技术的茶叶贮藏时间检测方法》PDF+DOC2016年第05期 杨春兰,薛大为
《霉变玉米中玉米赤霉烯酮和黄曲霉毒素B1含量电子鼻检测模型的构建》PDF+DOC2016年第20期 于慧春,彭盼盼,殷勇
《茶叶贮藏时间电子鼻检测方法》PDF+DOC 鲍俊宏,薛大为
《电子鼻定量检测淡水鱼新鲜度的方法研究》PDF+DOC2016年第12期 杨春兰,薛大为
《电子鼻检测黄山毛峰茶贮藏时间方法研究》PDF+DOC2016年第11期 薛大为,杨春兰,孔慧芳,鲍俊宏
《基于电子鼻技术的信阳毛尖茶咖啡碱检测方法》PDF+DOC2011年第08期 张红梅,王俊,余泳昌,高献坤,花恒明,何玉静
借助电子鼻检测存储60、120、180、240、300、360 d的黄山毛峰茶香气信息,根据电子鼻各传感器响应曲线变化特点,选取出1组能够表征不同香气信息的基本特征变量,分别采用主成分回归(PCR)、偏最小二乘回归(PLS)和BP神经网络(BPNN)方法,建立茶叶存储时间的预测模型。测试样本集对3种预测模型的检验结果表明:PCR、PLS、BPNN模型的预测标准误差分别为10.05、6.04、3.21d;最大预测相对误差分别为11.03%、7.02%、5.89%;平均预测相对误差分别为6.73%、4.74%、3.62%;预测值与实际值之间的决定系数R2分别为0.862、0.896、0.987。3种模型都能较好地对茶叶存储时间进行预测,相比较而言,BPNN模型性能最优,PLS模型性能优于PCR模型。
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。