【技术实现步骤摘要】
本专利技术涉及琼脂产品生产，尤其是涉及一种基于数学模型预测琼脂产品品质的方法。
技术介绍
1、琼脂是从红藻门红藻纲中的大型海藻中提取的亲水性胶体，具有独特的凝胶特性、增稠能力以及无毒、低成本等优点，可作为食品添加剂、培养基胶凝剂、制造药用胶囊和合成绿色塑料包装材料的替代品等。生产琼脂的工艺参数是对琼脂产品品质影响最大的一道工艺，其关键控制点为碱处理温度、碱处理时间、碱处理浓度，依赖人工操作不仅会耗费人力，提高生产成本，并且难以控制琼脂产品的质量，会使琼脂产品的品质参差不齐。
2、因此，提供了一种基于数学模型预测琼脂产品品质的方法
技术实现思路
1、本专利技术的目的是提供一种基于数学模型预测琼脂产品品质的方法，通过matlab人工神经网络(ann)对琼脂生产的碱处理工艺参数与琼脂产品凝胶强度指标之间的关系进行拟合，并且通过该模型可以有效预测江蓠琼脂生产线中的产品品质，并且该模型能够应用于精准生产具有特定凝胶强度的琼脂产品。
2、为实现上述目的，本专利技术提供了一种基于数学模型预测琼脂产品品质的方法,包括以下步骤：
3、s1：对江蓠进行加工制成琼脂产品，采集加工过程中的琼脂生产时的碱处理工艺参数，包括碱处理温度、碱处理时间和碱处理浓度，并测定琼脂产品的凝胶强度，形成琼脂产品数据集；
4、s2：整个琼脂产品数据集分为三个子集，包括训练子集、验证子集和测试子集；
5、s3：建立ann神经网络模型，ann模型由输入层、隐藏层和输出层
6、s4：对输出结果进行验证，采用先作非线性方程，再转换成矩阵形式，模型的验证采用决定系数r2与预测精度mape判定；
7、s5：使用验证好的ann神经网络模型进行琼脂产品品质预测。
8、优选的，所述步骤s2中，三个子集各自的比例具体如下，70％作为训练集，15％作为验证集，15％作为测试集。
9、优选的，所述步骤s3中，建立ann神经网络模型的具体步骤如下：
10、ann神经网络模型的公式如下：
11、
12、
13、purelin(x)＝x
14、上式中，x是输入的变量，j是输入变量个数，w1和b1分别为隐含层的权值和偏差，w2和b2分别为输出层的权值和偏差。
15、优选的，所述步骤s4中，采用决定系数r2与预测精度mape判定的方法如下：
16、r2越大，mape越小，说明实验值与模型的拟合度越好，模型的预测性能越好，mape的公式如下：
17、
18、上式中，yi为实测值，yj为模型预测值，n为实测值个数。
19、优选的，在所述步骤s1中，碱处理温度的变动范围为70℃～90℃，碱处理时间的变动范围为2.5h～3.5h，碱处理浓度的变动范围为6％～8％。
20、因此，本专利技术采用上述方法的一种基于数学模型预测琼脂产品品质的方法，具有以下好处：
21、(1)本专利技术中，建立并训练相应的神经网络模型，能使用不同的琼脂生产工艺参数来预测琼脂产品的品质，从而能针对性的高效生产能满足特定需求的琼脂产品。
22、(2)本专利技术中，采用采用决定系数r2与预测精度mape进行判定，结合测试子集和验证子集，检验模型的准确度，使得训练的神经网络模型有更好的预测效果。
23、下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。
本文档来自技高网...【技术保护点】
1.一种基于数学模型预测琼脂产品品质的方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于数学模型预测琼脂品质的方法，其特征在于：所述步骤S2中，三个子集各自的比例具体如下，70％作为训练集，15％作为验证集，15％作为测试集。
3.根据权利要求1所述的一种基于数学模型预测琼脂品质的方法，其特征在于：所述步骤S3中，建立ANN神经网络模型的具体步骤如下：
4.根据权利要求1所述的一种基于数学模型预测琼脂品质的方法，其特征在于：所述步骤S4中，采用决定系数R2与预测精度MAPE判定的方法如下：
5.根据权利要求1所述的一种基于数学模型预测琼脂品质的方法，其特征在于：在所述步骤S1中，碱处理温度的变动范围为70℃～90℃，碱处理时间的变动范围为2.5h～3.5h，碱处理浓度的变动范围为6％～8％。
【技术特征摘要】
1.一种基于数学模型预测琼脂产品品质的方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于数学模型预测琼脂品质的方法，其特征在于：所述步骤s2中，三个子集各自的比例具体如下，70％作为训练集，15％作为验证集，15％作为测试集。
3.根据权利要求1所述的一种基于数学模型预测琼脂品质的方法，其特征在于：所述步骤s3中，建立ann神经网络模型的具...
【专利技术属性】
技术研发人员：姜泽东，蒋鹏，倪辉，郑明静，洪涛，李志朋，朱艳冰，杨远帆，伍菱，陈艳红，
申请(专利权)人：集美大学，
类型：发明
国别省市：
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。