基于遗传算法优化BP神经网络的可食用油墨粘度的预测

摘要：

目的 通过研究遗传算法优化BP神经网络建立自变量与因变量之间的关系,从而对可食用油墨的粘度进行预测和模拟.方法 在前期关于可食用油墨的研究基础上,以醋酸浓度、壳聚糖用量、酒精用量、研磨速度为自变量,以配制得到的油墨粘度作为因变量,利用正交实验设计实验,运用BP神经网络结合遗传算法对可食用油墨的粘度进行预测和模拟.结果 以正交实验设计得到30组实验数据,利用Matlab 2018a软件中GAOT遗传算法工具箱,经过38次迭代训练,得到收敛精度为10-4的神经网络,粘度的预测值与对应的真实值相对误差介于0.05％～3.7％,拟合度R2值为0.8672,表明该神经网络对可食用油墨的粘度具有较好的预测能力和较高的预测精度.结论 遗传算法优化BP神经网络可以用来预测和模拟可食用油墨的粘度,可以将神经网络拓展到可食用油墨其他性能的评价体系中,从而对可食用油墨的生产和应用提供指导性的建议.

关键词：壳聚糖;粘度;可食用油墨;BP神经网络;遗传算法

所属期刊栏目：42

分类号：TB852(摄影技术)

资助基金：广东省教育厅普通高校青年创新人才类项目2019GKQNCX005

在线出版日期：2021-10-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：49-54