The invention discloses a method for predicting the suitability of raw material processing based on BP artificial neural network, which includes: selecting a single index for evaluating the suitability of raw material processing, determining many indexes of related raw materials according to the single index of processed products, quantifying raw material processing with many indexes of raw materials as variables, processing technology and parameters, recording and sorting out calendars. History data is used to form samples; many index data of raw materials of training sample set are used as input layer, and single index data of processed products of training sample set are used as output layer, which are trained to the stability of ANN model; the ANN model is optimized; and the single index of processed products is predicted. The method can correlate the raw material index with the quality of the processed product, objectively and qualitatively and quantitatively seek the complicated non-linear correspondence among variables, and has high accuracy, and can realize the qualitative or quantitative prediction of the processed product quality based on the raw material index.
【技术实现步骤摘要】
BP人工神经网络预测原料加工适宜性的方法
本专利技术涉及加工领域。更具体地说,本专利技术涉及一种BP人工神经网络预测原料加工适宜性的方法。
技术介绍
原料特性是生产优质加工品的基础,因此,关联原料特性与制品品质、明确原料加工适宜性、筛选优质加工原料对企业增效、社会增收及产业发展有重要意义。目前对原料加工适宜性的研究多采用层次分析、灰色关联等方法单独分析原料品质或制品品质,仅可以评价所研究品种加工特性,无法预测未知样品的加工性能。现有的少数关联原料特性与制品品质的方法仅利用判别函数、线性回归等线性模型,无法处理指标间复杂的非线性对应关系,存在模型局限性大、适用范围小,预测未知样品加工性能准确率低的问题。人工神经网络是一种旨在模仿人脑结构及其功能的由大量简单的计算单元连接形成的智能信息处理系统,具有大规模并行处理、自学习型、自适应性等优点,适用于构建复杂的非线性关联模型。BP人工神经网络是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一,可实现输入到输出的定性或定量预测且有较高的准确率。近年来BP神经网络模型在加工业领域的应用日渐增多,包括识别、分类与分级、加工过程仿真与控制、单一指标值预测等,取得了一定的效果,但在原料加工适宜性预测方面的应用还未见报道。
技术实现思路
本专利技术的一个目的是解决至少上述问题,并提供至少后面将说明的优点。本专利技术还有一个目的是提供一种BP人工神经网络预测原料加工适宜性的方法,其能够关联原料指标与加工品品质,在客观定性或定量地寻求变量间复杂的非线性对应关系的同时有较高的准确性,可以实现基于原料指标定性或定 ...
【技术保护点】
1.基于BP人工神经网络预测原料加工适宜性的方法,其特征在于,包括:选择用于评价原料加工适宜性的加工制品的单一指标,根据加工制品的单一指标确定相关的原料的诸多指标;以原料的诸多指标为变量、加工工艺及参数为定量进行原料加工,记录并整理历史数据形成样本,样本的格式为:每一条历史数据包括原料的诸多指标数据和加工制品的单一指标数据;选择一定比例的历史数据形成训练样本集,剩余的历史数据形成检测样本集;以训练样本集的原料的诸多指标数据为输入层,以训练样本集的加工制品的单一指标数据为输出层,确定输入层神经元个数、隐含层神经元个数和输出层神经元个数,确定训练次数、学习率、动量、误差值,确定隐含层、输出层的激活函数,构建基于BP算法的人工神经网络模型,并进行训练至人工神经网络模型稳定;以检测样本集对人工神经网络模型进行测试,优化人工神经网络模型;以原料的诸多指标为输入层,根据优化的人工神经网络模型预测加工制品的单一指标。
【技术特征摘要】
1.基于BP人工神经网络预测原料加工适宜性的方法,其特征在于,包括:选择用于评价原料加工适宜性的加工制品的单一指标,根据加工制品的单一指标确定相关的原料的诸多指标;以原料的诸多指标为变量、加工工艺及参数为定量进行原料加工,记录并整理历史数据形成样本,样本的格式为:每一条历史数据包括原料的诸多指标数据和加工制品的单一指标数据;选择一定比例的历史数据形成训练样本集,剩余的历史数据形成检测样本集;以训练样本集的原料的诸多指标数据为输入层,以训练样本集的加工制品的单一指标数据为输出层,确定输入层神经元个数、隐含层神经元个数和输出层神经元个数,确定训练次数、学习率、动量、误差值,确定隐含层、输出层的激活函数,构建基于BP算法的人工神经网络模型,并进行训练至人工神经网络模型稳定;以检测样本集对人工神经网络模型进行测试,优化人工神经网络模型;以原料的诸多指标为输入层,根据优化的人工神经网络模型预测加工制品的单一指标。2.如权利要求1所述的基于BP人工神经网络预测原料加工适宜性的方法,其特征在于,选择70-90%的历史数据形成训练样本集,剩余的数据形成检测样本集。3.如权利要求1所述的基于BP人工神经网络预测原料加工适宜性的方法,其特征在于,样本包括至少30条历史数据。4.如权利要求1所述的基于BP人工神经网络预测原料加工适宜性的方法,其特征在于,训练次数为500-8000次,学习率为0.1-0.5,动量为0.1-0.8,误差值为0.00001-0.1。5.如权利要求1所述的基于BP人工神经网络预测原料加工适宜性的方法,其特征在于,原料的指标包...
【专利技术属性】
技术研发人员:毕金峰,刘璇,张彪,吕健,吴昕烨,陈芹芹,
申请(专利权)人:中国农业科学院农产品加工研究所,
类型:发明
国别省市:北京,11
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。