【技术实现步骤摘要】
一种小麦生长期真菌毒素污染预测方法
本专利技术涉及一种小麦生长期真菌毒素污染预测方法,属于食品安全、人工神经网络、人工智能领域。
技术介绍
小麦真菌毒素的污染一直消费者健康安全的一大隐患,因此应在小麦进入食物链之前预测其污染。现有的小麦生长期真菌毒素污染预测方法运用数理统计建立小麦自身真菌毒素污染变化的规律,而不涉及其他环境因素,统计因素较少污染预测不够精准,预测的污染范围和程度与实际相差较大,无法准确做好产前防控,影响小麦质量。
技术实现思路
为解决上述问题,本专利技术的目的在于提供一种具有较好的自适应性和鲁棒性的小麦生长期真菌毒素污染预测方法,提高神经网络函数逼近能力,加强小麦生长期真菌毒素污染的预测精度,减少误差,以便做好产前防控,确保小麦的质量安全。本专利技术解决其问题所采用的技术方案,包括以下步骤:A.建立人工神经网络模型,统计影响小麦生长期真菌毒素污染的数据,作为人工神经网络的输入;B.计算神经网络隐含层和输出层中神经元的输入、输出值,设立神经网络的训练样本和目标函数;C.以多阶光滑模为逼近度量估计神经网络逼近阶的范围,确定神经网络的函数逼近能力;D.通过自适应遗传算法对人工神经网络模型的网络结构和权重系数进行全局优化搜索,逼近拟合小麦生长期真菌毒素污染预测与影响因素的复杂函数关系,提高小麦生长期真菌毒素污染的预测精度。本专利技术的有益效果是:在小麦真菌污染防控越来越重要的情况下,本专利技术具有较好的自适应性和鲁棒性,提高神经网络函数逼近能力,加强小麦生长期真菌毒素污染的预测精度,减少误差,以便做好产前防控,确保小麦的质量安全。附图说明图1为一种小 ...
【技术保护点】
1.一种小麦生长期真菌毒素污染预测方法,其特征在于,利用遗传算法优化人工神经网络的函数逼近,提高小麦生长期真菌毒素污染的预测精度,所述方法包括以下步骤:A.建立人工神经网络模型,统计影响小麦生长期真菌毒素污染的数据,作为人工神经网络的输入;B.计算神经网络隐含层和输出层中神经元的输入、输出值,设立神经网络的训练样本和目标函数;C.以多阶光滑模为逼近度量估计神经网络逼近阶的范围,确定神经网络的函数逼近能力;D.通过自适应遗传算法对人工神经网络模型的网络结构和权重系数进行全局优化搜索,逼近拟合小麦生长期真菌毒素污染预测与影响因素的复杂函数关系,提高小麦生长期真菌毒素污染的预测精度。
【技术特征摘要】
1.一种小麦生长期真菌毒素污染预测方法,其特征在于,利用遗传算法优化人工神经网络的函数逼近,提高小麦生长期真菌毒素污染的预测精度,所述方法包括以下步骤:A.建立人工神经网络模型,统计影响小麦生长期真菌毒素污染的数据,作为人工神经网络的输入;B.计算神经网络隐含层和输出层中神经元的输入、输出值,设立神经网络的训练样本和目标函数;C.以多阶光滑模为逼近度量估计神经网络逼近阶的范围,确定神经网络的函数逼近能力;D.通过自适应遗传算法对人工神经网络模型的网络结构和权重系数进行全局优化搜索,逼近拟合小麦生长期真菌毒素污染预测与影响因素的复杂函数关系,提高小麦生长期真菌毒素污染的预测精度。2.根据权利要求1所述的小麦生长期真菌毒素污染预测方法,其特征在于,所述步骤A包括:(1)建立人工神经网络模型,记录小麦生长期间的温度、湿度数据;定时检查小麦体的机械损伤和虫害损伤程度,并记录数据;记录小麦生长期间杀虫剂和杀真菌剂的用量及时间数据;记录小麦生长期间的雨水、光照数据;(2)统计上述数据作为人工神经网络的输入神经元,输出神经元为真菌毒素污染的范围和程度,输入神经元与输出神经元之间通过隐含层的神经元结点进行连接。3.根据权利要求2所述的小麦生长期真菌毒素污染预测方法,其特征在于,所述步骤B包括:(1)设立神经网络的输入层、隐含层和输出层的神经元分别有N,K,M个,输入层的第i个神经元的输入和输出分别为XIi,XOi①隐含层第j个神经元的输入为:其中,ωij是输入层第i个神经元到隐含层第j个神经元的权重,ξj是隐含层第j个神经元的阈值;隐含层第j个神经元的输出为:其中,φ(x)是神经网络的激活函数,将神经元的输入映射到输出端;②输出层第k个神经元的输入为:其中,ωkj是隐含层第j个神经元到输出层第k个神经元的权重,ξk是输出层第k个神经元的阈值,输出层第k个神经元的输出为:(2)设立神经网络的训练样本有Q个,输入向量、实际输出向量、期望输出向量分别为:XI1XI2...XIQXO1XO...
【专利技术属性】
技术研发人员:杨迎霞,
申请(专利权)人:龙口味美思环保科技有限公司,
类型:发明
国别省市:山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。