10.11975/j.issn.1002-6819.2020.06.032
东北地区稻谷储藏期间脂肪酸含量的预测模型
粮食储备是保障国家粮食安全的重要物质基础,谷物中脂肪酸含量是粮食储藏过程中品质变化的敏感性指标.为了实现绿色储粮安全管理,该文采用多元线性回归(multiple linear regression,MLR)、人工神经网络(artificial neural network,ANN)、支持向量回归(support vector regression,SVR)、最小二乘支持向量回归(least square support vector regression,LSSVR)等机器学习算法模型,对东北地区稻谷储藏过程中的脂肪酸含量(以KOH计)进行预测.通过主成分分析(principal component analysis,PCA)方法筛选稻谷关键储藏参数,得到4个影响稻谷脂肪酸含量的关键因子,分别为稻谷入仓水分、入仓脂肪酸含量、储藏有效积温、检测粮温.然后,将得到的关键因子进行归一化处理,再分别输入到MLR、ANN、SVR、LSSVR模型,采用决定系数R2、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)、均方根误差(RMSE)等评价指标对不同模型的预测性能进行对比,探讨稻谷脂肪酸含量预测的最优模型算法.研究结果表明,LSSVR模型的决定系数R2、MAE、MAPE、RMSE分别为0.911、0.275 mg/100 g、1.604%、0.348 mg/100 g,预测效果略优于MLR,明显优于ANN和SVR,LSSVR和MLR模型可作为稻谷储藏期间脂肪酸含量预测的方法.该研究实现了稻谷脂肪酸含量的预测,为科学储粮、安全绿色储粮提供参考.
储藏、脂肪酸、模型、稻谷、机器学习算法
36
S379.9(农产品收获、加工及贮藏)
不同仓型粮情传感器优化部署技术研究
2020-05-19(万方平台首次上网日期,不代表论文的发表时间)
共7页
269-275