小麦加工链中重金属镉含量的深度网络预测模型

摘要：

镉污染范围广、毒性大、易侵入,被认为是最具危害性的重金属之一,人长期摄入过量的镉会引起很多疾病甚至癌症.因此,在小麦加工链中预测镉元素含量的变化趋势,制定相应对策来降低其危害,具有重要的现实意义.针对小麦加工链镉含量数据含有强非线性、强随机性噪声而导致的传统建模拟合度不高等问题,本研究提出一种基于正则化方法的深度预测模型.首先,利用门控循环单元(gated recurrent unit,GRU)建立深度预测模型.其次,使用正则化方法修改模型的损失函数,通过加入噪声惩罚项来淡化训练时模型对于噪声的拟合程度,减小噪声对模型预测性能的影响.最后,使用贝叶斯优化方法进行超参数的选择,保证所建立的模型能够准确地预测小麦加工链各环节中的镉含量.本研究的预测结果表明,如果原麦中镉含量小于0.1 mg/kg,则经过加工的成品小麦粉也基本满足GB 2762-2017《食品安全国家标准食品中污染物限量》的要求.

关键词：小麦加工链、镉、预测模型、门控循环单元、贝叶斯优化

所属期刊栏目：43

分类号：TS211.4(食品工业)

资助基金：国家重点研发计划;国家自然科学基金;国家自然科学基金

在线出版日期：2022-10-17（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：50-55