基于神经网络的江蓠原料液料比预测方法及装置制造方法及图纸

本发明专利技术公开了一种基于神经网络的江蓠原料液料比预测方法、介质、设备及装置，其中方法包括：获取历史数据，其中，所述历史数据包括琼脂指标和对应的江蓠原料液料比；根据所述历史数据进行神经网络模型的训练，以生成江蓠原料液料比预测模型；获取待预测琼脂指标，并将所述待预测琼脂指标输入到所述江蓠原料液料比预测模型，以便所述江蓠原料液料比预测模型根据所述待预测琼脂指标生成相应的预测江蓠原料液料比；能够在生产之前对江蓠原料和液料配比进行有效预测，以在保证琼脂质量的同时，降低水资源的消耗量。

【技术实现步骤摘要】
基于神经网络的江蓠原料液料比预测方法及装置
本专利技术涉及智能化生产
，特别涉及一种基于神经网络的江蓠原料液料比预测方法、一种计算机可读存储介质、一种计算机设备以及一种基于神经网络的江蓠原料液料比预测装置。
技术介绍
琼脂，是由海藻中提取的多糖体，是目前世界上用途最广泛的海藻胶之一。相关技术中，在进行琼脂的生产时，难以有效预测江蓠原料和液料的配比；进而导致水资源的大量消耗。
技术实现思路
本专利技术旨在至少在一定程度上解决上述技术中的技术问题之一。为此，本专利技术的一个目的在于提出一种基于神经网络的江蓠原料液料比预测方法，能够在生产之前对江蓠原料和液料配比进行有效预测，以在保证琼脂质量的同时，降低水资源的消耗量。本专利技术的第二个目的在于提出一种计算机可读存储介质。本专利技术的第三个目的在于提出一种计算机设备。本专利技术的第四个目的在于提出一种基于神经网络的江蓠原料液料比预测装置。为达到上述目的，本专利技术第一方面实施例提出了一种基于神经网络的江蓠原料液料比预测方法，包括以下步骤：获取历史数据，其中，所述历史数据包括琼脂指标和对应的江蓠原料液料比；根据所述历史数据进行神经网络模型的训练，以生成江蓠原料液料比预测模型；获取待预测琼脂指标，并将所述待预测琼脂指标输入到所述江蓠原料液料比预测模型，以便所述江蓠原料液料比预测模型根据所述待预测琼脂指标生成相应的预测江蓠原料液料比。根据本专利技术实施例的基于神经网络的江蓠原料液料比预测方法，首先，获取历史数据，其中，所述历史数据包括琼脂指标和对应的江蓠原料液料比；接着，根据所述历史数据进行神经网络模型的训练，以生成江蓠原料液料比预测模型；然后，获取待预测琼脂指标，并将所述待预测琼脂指标输入到所述江蓠原料液料比预测模型，以便所述江蓠原料液料比预测模型根据所述待预测琼脂指标生成相应的预测江蓠原料液料比；从而实现在生产之前对江蓠原料和液料配比进行有效预测，以在保证琼脂质量的同时，降低水资源的消耗量。另外，根据本专利技术上述实施例提出的基于神经网络的江蓠原料液料比预测方法还可以具有如下附加的技术特征：可选地，所述琼脂指标包括：透明度、凝胶强度、凝固温度、熔化温度、硫酸根含量和3,6-内醚半乳糖含量。可选地，所述江蓠原料液料比预测模型通过以下公式表述：其中，x为液料比；Y1为透明度实际测量值，Y2为凝胶强度实际测量值，Y3为凝固温度实际测量值，Y4为熔化温度实际测量值，Y5为硫酸根含量实际测量值，Y6为3,6-内醚半乳糖含量实际测量值。可选地，根据所述历史数据进行神经网络模型的训练，以生成江蓠原料液料比预测模型，包括：根据预设的划分比例将所述历史数据划分为训练样本集和检测样本集；根据所述训练样本集进行神经网络模型的训练，以生成初始神经网络模型；根据检测样本集对初始神经网络模型进行测试，并根据测试结果对所述初始神经网络模型进行优化，以生成江蓠原料液料比预测模型。为达到上述目的，本专利技术第二方面实施例提出了一种计算机可读存储介质，其上存储有基于神经网络的江蓠原料液料比预测程序，该基于神经网络的江蓠原料液料比预测程序被处理器执行时实现如上述的基于神经网络的江蓠原料液料比预测方法。根据本专利技术实施例的计算机可读存储介质，通过存储基于神经网络的江蓠原料液料比预测程序，以使得处理器在执行该基于神经网络的江蓠原料液料比预测程序时，实现如上述的基于神经网络的江蓠原料液料比预测方法，从而实现在生产之前对江蓠原料和液料配比进行有效预测，以在保证琼脂质量的同时，降低水资源的消耗量。为达到上述目的，本专利技术第三方面实施例提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如上述的基于神经网络的江蓠原料液料比预测方法。根据本专利技术实施例提出的计算机设备，通过存储器对基于神经网络的江蓠原料液料比预测程序进行存储，以使得处理器在执行该基于神经网络的江蓠原料液料比预测程序时，实现如上述的基于神经网络的江蓠原料液料比预测方法，从而实现在生产之前对江蓠原料和液料配比进行有效预测，以在保证琼脂质量的同时，降低水资源的消耗量。为达到上述目的，本专利技术第四方面实施例提出了一种基于神经网络的江蓠原料液料比预测装置，包括：获取模块，所述获取模块用于获取历史数据，其中，所述历史数据包括琼脂指标和对应的江蓠原料液料比；训练模块，所述训练模块用于根据所述历史数据进行神经网络模型的训练，以生成江蓠原料液料比预测模型；预测模块，所述预测模块用于获取待预测琼脂指标，并将所述待预测琼脂指标输入到所述江蓠原料液料比预测模型，以便所述江蓠原料液料比预测模型根据所述待预测琼脂指标生成相应的预测江蓠原料液料比。根据本专利技术实施例的基于神经网络的江蓠原料液料比预测装置，通过设置获取模块用于获取历史数据，其中，所述历史数据包括琼脂指标和对应的江蓠原料液料比；训练模块用于根据所述历史数据进行神经网络模型的训练，以生成江蓠原料液料比预测模型；预测模块用于获取待预测琼脂指标，并将所述待预测琼脂指标输入到所述江蓠原料液料比预测模型，以便所述江蓠原料液料比预测模型根据所述待预测琼脂指标生成相应的预测江蓠原料液料比，从而实现在生产之前对江蓠原料和液料配比进行有效预测，以在保证琼脂质量的同时，降低水资源的消耗量。另外，根据本专利技术上述实施例提出的基于神经网络的江蓠原料液料比预测装置还可以具有如下附加的技术特征：可选地，所述琼脂指标包括：透明度、凝胶强度、凝固温度、熔化温度、硫酸根含量和3,6-内醚半乳糖含量。可选地，所述江蓠原料液料比预测模型通过以下公式表述：其中，x为液料比；Y1为透明度实际测量值，U2为凝胶强度实际测量值，Y3为凝固温度实际测量值，Y4为熔化温度实际测量值，Y5为硫酸根含量实际测量值，Y6为3,6-内醚半乳糖含量实际测量值。可选地，根据所述历史数据进行神经网络模型的训练，以生成江蓠原料液料比预测模型，包括：根据预设的划分比例将所述历史数据划分为训练样本集和检测样本集；根据所述训练样本集进行神经网络模型的训练，以生成初始神经网络模型；根据检测样本集对初始神经网络模型进行测试，并根据测试结果对所述初始神经网络模型进行优化，以生成江蓠原料液料比预测模型。附图说明图1为根据本专利技术实施例的基于神经网络的江蓠原料液料比预测方法的流程示意图；图2为根据本专利技术实施例的基于神经网络的江蓠原料液料比预测装置的方框示意图。具体实施方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制。相关技术中，在琼脂的生产过程中，由于无法有效预测江蓠原料和液料配比，导致水资源的大量消耗；根据本专利技术实施例的基于神经网络的江蓠原料液料比预测方法，首先，获取历史数据，其中，所述历史数据包括琼脂指标本文档来自技高网...

【技术保护点】
1.一种基于神经网络的江蓠原料液料比预测方法，其特征在于，包括以下步骤:/n获取历史数据，其中，所述历史数据包括琼脂指标和对应的江蓠原料液料比；/n根据所述历史数据进行神经网络模型的训练，以生成江蓠原料液料比预测模型；/n获取待预测琼脂指标，并将所述待预测琼脂指标输入到所述江蓠原料液料比预测模型，以便所述江蓠原料液料比预测模型根据所述待预测琼脂指标生成相应的预测江蓠原料液料比。/n

【技术特征摘要】
1.一种基于神经网络的江蓠原料液料比预测方法，其特征在于，包括以下步骤:
获取历史数据，其中，所述历史数据包括琼脂指标和对应的江蓠原料液料比；
根据所述历史数据进行神经网络模型的训练，以生成江蓠原料液料比预测模型；
获取待预测琼脂指标，并将所述待预测琼脂指标输入到所述江蓠原料液料比预测模型，以便所述江蓠原料液料比预测模型根据所述待预测琼脂指标生成相应的预测江蓠原料液料比。


2.如权利要求1所述的基于神经网络的江蓠原料液料比预测方法，其特征在于，所述琼脂指标包括：透明度、凝胶强度、凝固温度、熔化温度、硫酸根含量和3,6-内醚半乳糖含量。


3.如权利要求1所述的基于神经网络的江蓠原料液料比预测方法，其特征在于，所述江蓠原料液料比预测模型通过以下公式表述：



其中，x为液料比；Y1为透明度实际测量值，2为凝胶强度实际测量值，Y3为凝固温度实际测量值，Y4为熔化温度实际测量值，Y5为硫酸根含量实际测量值，Y6为3,6-内醚半乳糖含量实际测量值。


4.如权利要求1-3中任一项所述的基于神经网络的江蓠原料液料比预测方法，其特征在于，根据所述历史数据进行神经网络模型的训练，以生成江蓠原料液料比预测模型，包括：
根据预设的划分比例将所述历史数据划分为训练样本集和检测样本集；
根据所述训练样本集进行神经网络模型的训练，以生成初始神经网络模型；
根据检测样本集对初始神经网络模型进行测试，并根据测试结果对所述初始神经网络模型进行优化，以生成江蓠原料液料比预测模型。


5.一种计算机可读存储介质，其特征在于，其上存储有基于神经网络的江蓠原料液料比预测程序，该基于神经网络的江蓠原料液料比预测程序被处理器执行时实现如权利要求1-4中任一项所述的基于神经网络的江蓠原料液料比预测方法。


6.一种计算机设...

【专利技术属性】
技术研发人员：倪辉，梁懿，陈艳红，姜泽东，朱艳冰，李清彪，
申请(专利权)人：集美大学，
类型：发明
国别省市：福建;35